共查询到20条相似文献,搜索用时 93 毫秒
1.
2.
《实验室研究与探索》2018,(12)
基于LabVIEW设计开发了激光光谱仪器控制及采集平台,完成多台复杂仪器的远程控制及光谱数据的同步采集等操作,实现了激光光谱实验平台的自动化。该平台具备可调谐染料激光器(Sirah)波长调谐、单色仪(Omni-λ)光栅扫描、数字示波器(LeCroy)同步控制、数据采集传输,以及数据的同步处理、显示、存储等功能。实验测试结果表明,该激光光谱实验平台运行稳定,能够满足实验测量需求,具有较高的兼容能力,在激光光谱检测平台的设计、开发方面具备较强的可移植性和重要借鉴意义。 相似文献
3.
特征-决策层多分类器融合的知识发现方法 总被引:1,自引:0,他引:1
为进一步提高多分类器系统的分类性能,提出了一种基于知识发现的特征决策层多分类器融合新方法.各分类器工作于具有互补分类信息的不同特征空间且其类型由不同的类间可分性度量决定.各分类器输出的不确定性度量从建立的多个决策表中导出,并具有条件mass函数的形式.进而基于广义粗集模型和Dempster-Shafer理论(DST)构造了一种新颖的特征决策层融合框架.高光谱遥感图像的分类实验表明,与多数表决融合(PV)相比,所提出的方法可有效提高多分类器系统的分类性能. 相似文献
4.
在输电线路中绝缘子的状态直接影响整个输电系统的可靠性,然而复杂背景和不同光照条件下对于绝缘子的状态检测十分困难。如今计算机视觉辅助方法已被广泛应用于电力系统中。提出一种基于深度学习模型与稀疏表示进行绝缘子状态分类的方法,对于待检测的绝缘子图像,通过Faster-RCNN定位后,采用深度残差网络(ResNet)提取图像特征,最后利用稀疏表示进行绝缘子状态分类。该方法与传统方法相比,对于绝缘子的状态分类具有更高的准确率,准确率可达98.67%。 相似文献
5.
6.
提出一种基于深度学习的高光谱图像多标签分类算法。采用深度学习算法中的堆叠降噪自动编码器方法对每个像素的深层特征进行抽取,该方法可以有效表现高维特征空间中的非线性混合像素。使用多标签逻辑回归方法为每个像素预测并分配多个类标签。通过对合成数据和实际高光谱数据的大量对比实验,实验结果表明:该算法能够有效地为高光谱图像的像素精确地分配多类标签。 相似文献
7.
《实验室研究与探索》2019,(12):135-140
以高光谱图像降维为研究问题,针对主成分分析法(PCA)投影结果混叠、线性不可分和t-分布式随机邻域嵌入算法(t-SNE)内存占用大、运行时间长等不足,提出了一种基于PCA与t-SNE结合的高光谱图像降维方法。设计了基于SVM的城市植被识别模型,有效地提高了运行速率,进而更好地提取高光谱图像的本质特征,提高了高光谱图像中城市植被的分类精度。实验选取肯尼迪航天中心(KSC)数据为对象,结果表明,PCA-t-SNE-SVM算法总体分类精度可达92.06%,Kappa系数为0.91时,分类效果最优,相较于PCA-SVM和t-SNE-SVM算法,总体分类精度分别提高了13.51%和3.33%,Kappa系数分别提高了0.15和0.04,均表现出良好的性能。 相似文献
8.
9.
《赣南师范学院学报》2020,(6):22-26
三维空间滤波能够同时利用光谱和空间信息提取图像中的光谱和空间特征,提高高光谱图像(hyperspectral image,HSI)的分类性能.本文提出了一种用于HSI分类的三维全卷积神经网络(3D Fully convolutional neural network,3D-FCNN)框架.该框架能够在不需要任何数据预处理及后处理的情况下有效地提取高光谱特征,实现对地物类型的分类.在Indian Pines高光谱数据集上进行的实验表明,与支持向量机、浅层神经网络及其他卷积神经网络算法相比,所提出的框架在总体分类能够有效提高高光谱图像的分类精度. 相似文献
10.
为实现生鲜牛肉嫩度等级的无损快速判别,用可见近红外光谱检测实验系统,获取不同嫩度的40块牛肉样品的400~1650 nm范围的光谱信息,以肉类嫩度测量仪测量牛肉剪切力值为分类依据.用多元散射校正(MSC)、SG平滑处理方法处理光谱数据,分别建立牛肉嫩度的线性判别分类模型和支持向量机分类模型.结果显示,用MSC+SG预处理后所建立的线性判别分类模型预测能力最好,训练集和测试的回判识别率和预测识别率分别为96.7%、100%.结果表明,用光谱技术结合线性判别分析,可以对牛肉嫩度进行无损快速判别. 相似文献
11.
12.
《浙江大学学报(A卷英文版)》2020,(3)
目的:由于高光谱成像的特性,高光谱遥感影像较光学、多光谱影像具有更多的光谱信息,因此对高光谱影像地物的分类也相对困难。为提高分类精度,本文提出一个新的高光谱遥感影像分类模型。创新点:考虑到不同的地物覆盖对不同波段范围的电磁波有不同的敏感度,本文提出一个基于卷积神经网络和光谱敏感度的深度学习模型,以提高对高光谱遥感影像地物分类的准确率。通过在最终的分类器后添加一个光谱权重,该模型能够更准确地分类地物。方法:1.将带标记的样本在光谱维度上分为可见光和红外波段,并将部分样本作为训练集和测试集输入到网络中进行训练。2.训练完成后利用模型对全图进行预测,并通过部分预测结果计算出未识别率δ和误识别率γ两个参数。3.利用δ和γ可计算出不同光谱范围的光谱权重并将其置于分类器前(图5)。结论:1.模型加入光谱权重后的分类准确率较之前提高了约2%。2.利用公共数据集测试后显示,使用了光谱权重的卷积神经网络模型的分类精度比未使用光谱权重的模型高约1%。3.本文结果显示,利用不同地物对电磁波的敏感性差别可以增加不同地物间的差异,从而提升分类模型的性能。 相似文献
13.
14.
《浙江大学学报(A卷英文版)》2020,(1)
目的:在图像缺陷样本少和一致性差的情况下,实现精确可靠的接触网绝缘子缺陷检测。创新点:提山一种基于瓷片轮廓特征及灰度相似度匹配的融合算法,实现了绝缘子瓷片的轮廓提取及绝缘子各瓷片的精准分离,并构建了基于瓷片间距和灰度相似度匹配的绝缘子缺陷检测模型。方法:1.采用同一个绝缘子相邻瓷片两两比较的方法进行缺陷检测,解决图像缺陷样本少和一致性差的问题。2.分两步进行检测(Fig.2):(1)基于水平梯度特征提取绝缘子各瓷片轮廓,并对瓷片轮廓内像素进行复原;(2)计算瓷片间距和灰度相似度,并与设置的阈值进行比较以区分正常绝缘子和缺陷绝缘子。结论:1.实验表明,基于轮廓特征及灰度相似度匹配的方法能够有效区分正常绝缘子和缺陷绝缘子。2.在图片数据集中,测试达到了99.50%的高召回率和91.71%的高精确度,满足了目前较高水平的接触网绝缘子缺陷检测的要求。 相似文献
15.
面对高分辨率遥感影像的广泛普及,基于像元的传统图像分割方法已不能适应当前的需求.本文借助eCognition平台,应用多尺度分割、SLIC分割和DBSCAN分割三种方法对高分影像进行了分割处理,分析了影响分割结果的影响因素,并使用总体分类精度和Kappa系数来评估分割结果的准确性.实验结果表明,尺度因子、形状参数与紧密度因子是影响高分影像分割结果的三个主要因素,且多尺度分割方法的精度比SLIC和DBSCAN算法精度要高10%左右. 相似文献
16.
为了适应现代教学实验的要求,需要建立一个灵活性高、内容丰富的现代化综合实验平台.本文主要论述了一种基于计算机EPP口的虚拟仪器实验平台的设计原理以及实现方法. 相似文献
17.
基于光纤传能设计并开发了光纤式激光诱导击穿光谱实验平台,该平台包含纳秒脉冲激光源、光纤光谱仪、数字延时发生装置等硬件设备,同时包含具备光谱数据显示储存、定量分析、结果报告等功能的配套软件。实验平台解决了激光-光纤耦合、激光馈出后的二次聚焦、光谱信号收集回传等关键技术。研究结果表明:所开发的光纤式激光诱导击穿光谱实验平台运行稳定;实现了材料元素组成远距离的自动化识别与定量检测。在激光诱导击穿光谱仪器设计、开发方面具备较好的参考价值。 相似文献
18.
19.
《实验室研究与探索》2020,(7)
提出了一种融合多层特征SENet和多尺度宽残差的高光谱图像地物分类的方法。实验选取Indian Pines和Pavia University为研究对象,结果表明,SEInception-Resnet-MSWideResnet (SEIR-MSWR)网络结构的总体分类精度为99.33%、99.52%,Kappa系数为0.98时,分类效果最优,相较于支持向量机(Support Vector Machine,SVM)、K最近邻法(K-NearestNeighbor,KNN),宽残差网络(Wide Resnet Network,WRN)以及InceptionV2-Resnet,总体分类精度分别提高了20.86%、20.09%、5.48%、3.39%、23.1%、16.89%、6.66%、2.58%,Kappa系数分别提高了0.18、0.17、0.06、0.04、0.22、0.17、0.07、0.03,均表现出良好的性能。该方法更好地提取了高光谱图像的本质特征,进而提高了高光谱图像地物的分类精度。 相似文献