共查询到20条相似文献，搜索用时 46 毫秒
1.
《沈阳大学学报（自然科学版）》2015,(4)
针对目前高光谱图像基于流形学习的无监督特征提取算法中只能够单独描述高维数据空间局部或者全局的几何结构,并且没有一种算法能够同时保持高维数据全局和局部的几何结构的问题,提出了一种基于全局和局部流形结构的无监督特征提取算法(GLMS)对高光谱图像进行特征提取.算法基于流形学习基本理论,需要建立两种保持流形结构的近邻图,分别用来描述数据的全局和局部的流形结构,通过求解广义特征值问题获得重构权值矩阵进而得到低维嵌入空间的最优投影,以达到降维的目的.在AVIRIS高光谱图像以及Indian Pine和Salina数据集上进行仿真对比实验,结果表明,提出的算法在分类精度和计算效率上有较好的提高. 相似文献
2.
近年来,基于图像增广和一致性正则化的半监督学习（semi-supervised learning, SSL）方法被广泛应用并取得了很大的成功。然而,由于伪标签算法存在"认知偏误"问题,即模型的错误通过伪标签累积从而难以改正,因此很少有人关注基于伪标签（pseudo-labeling, PL）的半监督学习方法。提出一种特征图的原型图注意力特征修正模型（prototype attention layer, PAL）：即在神经网络映射的特征空间上学习一个图注意力模型,将此模型应用于特征空间中,可以充分利用原型的信息来修正特征,将修正后的特征所产生的伪标签与原型分配产生的伪标签随机线性组合,从而得到新的伪标签。将这一模型应用到2种伪标签半监督学习框架上所得到的算法（prototype attention improved pseudo-labeling,PAIPL）,在CIFAR-10和CIFAR-100的多个半监督分类问题上进行测试,分类准确率都得到了显著提升。特别地,将提出的修正模型应用于伪标签半监督学习PLCB框架时,又提出相互混合的监督技术,从而取得了更好的效果。还将提出的模型应用到其他多个伪标签半监督学习框架上,并在多个数据集上进行实验,验证了所提出的模型作为一个附加模块是普适且有效的。 相似文献
3.
提出一种基于分布式压缩感知(DCS)的重轨干涉SAR形变检测方法.DCS理论利用多次观测信号集的联合稀疏特性和相关性,对信号集进行联合重建.本文将DCS理论引入微波成像形变检测中,并对地基SAR复数据进行处理,利用相位数据检测场景形变,比较压缩感知(CS)算法和DCS算法在降采样条件下的重建结果.CS算法和DCS算法都具有保相性,在幅度和相位图像中可以很好地消除副瓣,成像效果比Omega-k算法好.基于DCS的稀疏微波联合观测系统可以利用多幅场景间回波数据的联合稀疏特性,进一步降低数据采集,实现准确重建和检测. 相似文献
4.
《中国科学院大学学报》2016,(1)
提出一种基于分布式压缩感知(DCS)的重轨干涉SAR形变检测方法.DCS理论利用多次观测信号集的联合稀疏特性和相关性,对信号集进行联合重建.本文将DCS理论引入微波成像形变检测中,并对地基SAR复数据进行处理,利用相位数据检测场景形变,比较压缩感知(CS)算法和DCS算法在降采样条件下的重建结果.CS算法和DCS算法都具有保相性,在幅度和相位图像中可以很好地消除副瓣,成像效果比Omega-k算法好.基于DCS的稀疏微波联合观测系统可以利用多幅场景间回波数据的联合稀疏特性,进一步降低数据采集,实现准确重建和检测. 相似文献
5.
提出一种基于多尺度Gabor滤波特征提取和稀疏表示的SAR图像目标识别方法。首先，在目标分割的基础上，利用Gabor滤波器对SAR目标图像在不同方向上进行滤波，增强目标的局部特征；然后，根据稀疏表示模型，以训练样本特征为原子构建字典，利用稀疏求解算法选择最优的原子集合来表示测试样本特征，进而计算表示系数中非负值的l1范数来判别测试样本。实验结果验证了该算法的有效性与鲁棒性。 相似文献
6.
遥感图像上的飞机目标检测是一件极富挑战性的工作，吸引了广大研究者的兴趣。基于人工神经网络的方法是当前遥感图像飞机目标检测的主流方法，这类方法要求人工标记大量的数据用于训练。对训练图像的人工标注工作费时费力，是制约有效利用大规模数据的主要瓶颈之一。为解决这个问题，提出一种基于生成对抗网络（generative adversarial networks，GAN）的半监督检测方法。在遥感图像飞机目标检测中，该方法不需要标记全部用于训练的图像，只需要标记其中一小部分样本，再和大量未标记数据一起进行训练便能取得优异的检测结果。该方法结合传统的检测网络和基于GAN的半监督学习网络。在对抗训练过程中，生成器学习数据分布并生成假样本，判别器判别真假样本，同时判别器还需要从标记数据中学习类别信息。最后，判别器学习到的决策分类面不仅仅区分出标记数据，而且平行于数据分布的边界。实验证明，在存在大量可供训练的图像的基础上，减少标注数据的比例，全监督学习方法性能会大幅下降；而本文提出的半监督学习方法，由于利用了未标注的数据，能保持更好的检测性能。 相似文献
7.
《苏州市职业大学学报》2014,(1):1-1
主持人语：本人应邀为《苏州市职业大学学报》科技重大项目栏的主持人,希望借助该平台,向学术同仁介绍本人主持的国家自然科学基金资助项目所取得的研究成果,以期让研究者了解本项目进展及研究的意义.2009年,以本人为项目负责人,以苏品刚副教授和周昌雄教授为主要课题成员,与东南大学毫米波国家重点实验室合作,组建了科研团队,成功申报了1项国家自然基金项目“非负稀疏编码算法及其在毫米波焦平面成像图像处理中的应用研究（No.60970058）”,这一项目主要在毫米波（MMW）焦平面成像系统成像机制研究的基础上,进一步利用软件方法对MMW成像数据进行后续处理,从而得到更高分辨率的MMW图像.主要在基于人眼初级视觉系统主视皮层V1区神经元的非负稀疏编码（NNSC）模型的研究基础上,结合已成熟的图像处理方法,提出了基于稀疏特征的毫米波图像处理方法.该项目主要的研究工作包括以下五个方面：①毫米波成像系统中关键硬件-毫米波成像接收机混频器及成像天线的研制;②建模了一类具有视觉反馈机制的NNSC神经网络模型并实现了该模型的稀疏优化学习;③基于量子信息理论、Retinex理论以及二维经验模式分解、偏微分方程、凸集投影、神经网络非线性滤波特性等算法,提出了一些适用于MMW图像的处理算法;④利用NNSC特征基和最大似然估计法,提出了基于NNSC收缩技术的毫米波图像消噪和恢复方法;⑤结合NNSC算法、图像稀疏表示及超分辨率图像恢复等算法,提出了一类基于组合变换的MMW图像级联消噪和恢复方法. 相似文献
8.
现有的高光谱图像目标检测算法大都把各个波段不加区分地对待,从而不能充分利用图像波段的物理信息。将高光谱图像按照成像机理的不同首先分为几个不同的波段范围（比如可见光、近红外、短波红外等）,并通过将高光谱图像的不同波段范围与多时相遥感数据的时相维进行对应,将最近发展的一个多时相目标检测算法——滤波张量分析（filter tensor analysis,FTA）引入高光谱目标检测中,提出一种面向单时相高光谱图像的分波段FTA算法。针对高光谱图像的实验表明,与传统的单时相目标检测算法相比,分波段FTA算法取得了很好的检测效果。 相似文献
9.
在利用主动学习方法进行高光谱图像分类时，往往存在空-谱特征不能得到有效利用和样本需要进行手动标注的问题。针对这些问题，提出一种结合卷积神经网络的主动学习方法进行高光谱图像分类。该方法首先提取像素的空间邻域组成训练样本，通过卷积神经网络对样本的空间特征和光谱特征进行学习并对数据进行初步分类；然后，基于高光谱图像的空间相似性和光谱相似性，对无标注样本进行标注，并将其加入标注训练集以提高分类器的分类精度。在Salinas、PaviaU和Indian Pines这3个高光谱数据上的实验结果表明，该方法能在较少标注样本的情况下，有效提高高光谱图像的分类精度。 相似文献
10.
《沈阳大学学报（自然科学版）》2015,(3)
<正>交匹配追踪算法是稀疏求解中常用的方法,用于噪声影响下的高光谱数据稀疏解混时,其解混效果不理想.针对这一问题,提出了全约束DOMP算法.通过引入广义Dice系数代替内积作为匹配度量准则,更充分地利用了光谱信息,提高了算法的抗噪能力.同时,为了满足丰度的"非负"及"和为1"的性质,对丰度系数进行了全约束,进一步改善了解混效果.模拟及真实数据仿真结果显示,改进算法明显提高了解混精确度,验证了算法的有效性. 相似文献
11.
在对地观测领域,高光谱图像得到了广泛应用,但存在数据量大、波段间相关性高等问题. 针对以上问题分析了已有的波段选择方法,提出了基于信息量及类间可分离性准则的遗传算法对高光谱图像进行波段选择:构造波段互相关系数矩阵进行子空间划分;利用联合熵作为组合信息量的标准,Bhattacharyya距离作为类间可分离性标准,构造遗传算法的适应度方程,改进了遗传算法中的选择算子. 最后用AVIRIS图像对提出的算法进行试验,并利用最大似然分类法对最优波段组合进行分类,总体分类精度达到94.24%,Kappa系数达到0.94. 相似文献
12.
为克服传统多视角分类器无法充分最小化结构风险的不足,提出基于Universum的多视角全局和局部结构风险最小化模型。该模型采用Universum学习,利用有标签样本生成大量包含分类信息的无标签样本,从而增加分类器性能。这些信息有利于最小化结构风险。通过在Mfeat、Reuters和Corel等3个多视角数据集上的试验可以发现,该模型可以提高多视角分类器的性能,并可以更好地应用到多视角数据集的分类问题中。 相似文献
13.
结合K-means算法和谱聚类方法的优点，提出一种新的高光谱图像聚类方法。该方法在对高光谱图像数据进行特征降维的基础上，采用K-means算法对图像进行粗聚类处理，然后采用谱聚类方法对粗聚类结果进行较高精度的聚类。与K-means聚类算法相比，该方法有效提高了高光谱图像聚类的分类精度。对模拟数据和真实的高光谱数据的对比实验表明，相对于K-means和谱聚类方法，该方法具有良好的聚类性能。 相似文献
14.
将Gabor滤波器和各向异性扩散方程相结合,提出了一种基于活动围道的无监督纹理图像分割算法.采用基于总变分流的扩散函数,各向异性扩散方程可以有效地在保留纹理图像大尺度边界信息的同时,对图像纹理区域进行平滑,获得比原始图像更易分割的简化图像.但是平滑过程中纹理信息的丧失,限制了该方法的通用性和有效性.为了在利用各向异性扩散方法的同时,有效地提取和利用纹理信息,我们利用Gabor滤波器提取一组表征纹理方向性和尺度性的特征图像;同时将原始图像作为表征纹理灰度信息的一个特征通道考虑;再利用矢量形式的各向异性扩散方程,对特征图像进行边界保持的各向异性平滑.将基于区域灰度统计参数估计的活动围道分割方法扩展到矢量空间,来对平滑后的纹理特征量进行分割.实验证明,利用该纹理分割算法可以获得较好的效果. 相似文献
15.
针对图像重建中采用稀疏正则化算法时，阈值收缩算子的阈值参数难以选取的问题，提出一种采用自适应阈值收缩算子的稀疏正则化算法。该算法收缩算子的阈值参数在迭代求解过程中根据解的稀疏度进行更新；同时在该算子中引入权重系数，研究阈值算子的衰减特性对图像重建质量的影响；并将该算法应用于电学层析成像的仿真和实验图像重建。结果表明：与传统的稀疏正则化算法相比，使用具有衰减特性的阈值收缩算子的稀疏正则化算法重建图像的性能指标有所提高。当被测物场的内含物分布较为简单时，采用较大的权重系数；当被测物场的内含物分布相对复杂时，使用较小的权重系数，有利于提高重建图像的质量。 相似文献
16.
SAR层析成像利用多航过复数据对观测目标进行高程向重构，全极化数据具有丰富的散射信息。将全极化数据与SAR层析成像相结合，利用城市建筑高程向散射体的稀疏性和全极化数据信号稀疏支撑集相同的特点，提出基于组稀疏约束和稀疏约束相结合的求解模型，并利用层次稀疏的方法对模型进行求解。通过Monte Carlo仿真实验将该模型法的性能与单极化层析成像模型和基于组稀疏的求解方法的性能进行对比，并将该方法应用到实测数据的半点目标仿真实验中。结果表明，本文提出的方法提高了高程向重建精度，且有更好的鲁棒性，在低信噪比下也能较好地恢复目标的高程向信息和后向散射系数。 相似文献
17.
为满足实时地形测绘需求,从算法本质上解决运算量太大的问题,提出基于机载双天线InSAR系统的实时DEM生成算法.采用非线性ECS自配准成像算法,获取高精度配准的双通道SAR图像,省略了后续非常耗时的配准过程.对获取的双通道SAR图像,进行快速干涉滤波产生高质量干涉条纹,进而对该条纹采用基于密集残差点划分的快速相位展开算法,获得无缠绕干涉相位.对于传统非常耗时的参数定标问题,采用基于外部粗精度DEM数据的初始相位偏置实时估计算法,并结合在定标场获取的基线长度、基线倾角和绝对延迟时间等参数进行反演,实时获取DEM.通过算法实时性分析,给出硬件实现方案.实际InSAR数据处理结果验证了本算法的有效性. 相似文献
18.
针对图像识别的不确定问题,提出一种基于Dempster-Shafer(D-S)证据理论的信息融合图像识别算法.用灰度-相位共生矩阵和灰度-梯度共生矩阵提取图像的纹理特征参数,对纹理特征参数进行转化得到待识别图像在其他类图像上的信度函数分配;利用D-S联合规则得到融合后的信度函数分配,从而准确识别图像;通过单一矩阵图像识别结果与融合识别结果比较,说明D-S数据融合在识别图像方面的优越性. 相似文献
19.
参数估计是在概率密度函数已知的前提下,利用似然函数对参数进行估计,但是,在实际问题中,很多数据的分布是事先无法假定的,于是非参数模型就应运而生;主要利用核估计、局部多项式估计和k近邻估计三种经典方法对非参数模型进行估计,并辅以经典的例题;最后,通过一个综合模拟计算对这三种估计方法进行了比较并证明所提出的方法是有效和可行的. 相似文献
20.
非负稀疏编码(NNSC)神经网络模型能够有效模拟人脑初级视觉系统主视皮层V1区神经元的感受野,有效抽取自然界的特征,目前已在图像处理领域中得到广泛应用。考虑NNSC建模过程中稀疏先验分布的选取、特征基矩阵的稀疏度约束、特征基的最大化代表性、图像数据类别先验信息等主要因素,主要讨论了基于正态逆高斯(NIG)密度的双层反馈NNSC(NIG-N NSC)模型、基于局部特征的NNSC(LNNSC)模型以及基于Fisher线性判据的NNSC(FLD-NNSC)模型。研究结果表明,拓展的NNSC模型在图像特征提取、图像消噪和图像恢复中具有一定的实用性。 相似文献