检索结果-南通市图书馆

检索条件"主题词=像素级特征"

共 3 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

多类型特征协同的Markov随机场方法在遥感影像分割中的应用

多类型特征协同的Markov随机场方法在遥感影像分割中的应用

引用

作者：张敏河南大学

学位级别：硕士

近年来,随着国内外高空间分辨率遥感卫星的成功发射,对地观测数据的分辨率也越来越高.但近阶段我国对遥感影像数据处理的能力对于满足国家发展高分辨率遥感系统的迫切需求来讲还有待加强.于是,对于高分辨率遥感数据的分析和处理成为目... 详细信息

近年来,随着国内外高空间分辨率遥感卫星的成功发射,对地观测数据的分辨率也越来越高.但近阶段我国对遥感影像数据处理的能力对于满足国家发展高分辨率遥感系统的迫切需求来讲还有待加强.于是,对于高分辨率遥感数据的分析和处理成为目前遥感领域研究的重要科学问题.分割作为该应用领域中最重要和最具有挑战性的问题.而针对海量遥感影像数据的分割而言,通过基于统计概率的方法备受关注.其中,马尔科夫随机场(Markov Random Field,MRF)方法应用较为广泛.但是,目前现有的基于MRF的方法也存在一些待改进的地方:(1)像素级的特征提取方法中由于像素的邻域范围相对较小,分割结果失去了重要的细节特征并且产生了大量的碎片.因此,在分割过程中经常发生误分.(2)对象级的特征提取方法中的MRF模型的初始分割的不准确性和上下文关系的不规则限制了分割精度.针对上述问题,本文主要做了以下研究工作:提出了对于遥感影像分割的交替迭代的马尔科夫方法(Alternating iterative Markovmethod for remote sensing image segmentation,AIMRF),使得模型可以同时兼顾规则的空间上下文信息和宏观纹理描述能力,使其相互促进与优化.首先,建立两个概率图来分别提取基于像素的空间信息和基于对象的空间信息;其次,分别在两个概率图上建立对应的子模型;最后,提出交互迭代模式去融合信息,在像素级特征和对象级特征之间不断协同优化得出最佳分割结果.研究了对于遥感影像分割的像素级的深度马尔科夫方法(Pixel-level depth Markovmethod for remote sensing image segmentation,PDMRF),使得模型不仅拥有卷积神经网络优越的结构而且无需海量的训练集并能在区域一致性和影像原始信息描述能力方面达到了更好的效果.首先建立卷积结构提取原始影像数据不同方面的特征;其次,分别在每个维度进行池化操作,实现不同维度的信息降采样;然后,通过主成分分析来提取所获得众多信息的梗概特征信息.最后使用经典的像素级MRF方法实现原始图像的最佳分割.为了验证本文提出的两种模型的有效性,我们和现有的其他基于MRF模型的方法在不同数据集上进行了对比,评价指标显示本文提出的方法在图像分割方面展现出更加优越的性能.

关键词：图像分割像素级特征对象级特征卷积特征特征融合

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于机器视觉的桥梁裂缝缺陷检测技术研究

基于机器视觉的桥梁裂缝缺陷检测技术研究

引用

作者：平安贵州大学

学位级别：硕士

随着我国国家高速公路网建设不断推进以及公路交通体系不断完善,桥梁检测作业愈加受到重视。及时对桥梁健康状况作出评估以采取相应的养护措施,不仅保障了人民的安全出行,而且避免了经济损失。裂缝是桥梁病变的一个开端,裂缝识别也是桥... 详细信息

随着我国国家高速公路网建设不断推进以及公路交通体系不断完善,桥梁检测作业愈加受到重视。及时对桥梁健康状况作出评估以采取相应的养护措施,不仅保障了人民的安全出行,而且避免了经济损失。裂缝是桥梁病变的一个开端,裂缝识别也是桥梁检测作业中的核心环节,实现无损、快速、准确地检测桥梁裂缝具有重要意义。因此,本文基于机器视觉技术开展了桥梁裂缝检测技术研究,主要内容包括:(1)针对桥梁图像存在背景纹理复杂、裂缝形状多样性以及裂缝内部灰度不一致等问题,本文通过预处理技术增强线性结构同时抑制噪声,其次采用滑动窗口的网格聚类算法对局部区域检测,随后基于区域增长方法实现裂缝的粗分割,最后利用结构相似性原理剔除伪裂缝等噪声,精确提取裂缝结构。(2)针对现有裂缝分割算法存在拓宽裂缝的宽度引起测量误差、易丢失部分低对比度低浅层裂缝问题,本文提出基于纹理各异向性的最小路径像素级裂缝识别方法。通过分析像素生长路径纹理与其本身空间位置及灰度的关系,提出像素级的强度特征和梯度特征,融合多特征的显著性,采用分层式判别模型对像素点检测实现裂缝的识别。(3)针对像素级裂缝识别方法检测效率低的问题,本文提出裂缝区域搜索算法确定裂缝区域,缩小检测范围,同时在像素检测过程中,对生长路径上的像素采用条件式簇类间聚类方式跳过具有相同属性像素的检测,极大地提升了裂缝检测算法的检测效率。

关键词：裂缝检测网格聚类像素级特征裂缝区域搜索簇类间聚类

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于渐进式增长生成对抗网络的农作物病虫害细粒度分类方法研究

基于渐进式增长生成对抗网络的农作物病虫害细粒度分类方法研究

引用

作者：冯琦尧桂林理工大学

学位级别：硕士

我国作为农业大国,每年因农作物病害造成了较为严重的粮食减产。因此如何去合理有效地治理和预防农作物病虫害对保障农作物质量和产量有着重要的意义。随着深度学习技术的迅速发展,基于深度学习的图像识别方法开始广泛应用于农业领域。... 详细信息

我国作为农业大国,每年因农作物病害造成了较为严重的粮食减产。因此如何去合理有效地治理和预防农作物病虫害对保障农作物质量和产量有着重要的意义。随着深度学习技术的迅速发展,基于深度学习的图像识别方法开始广泛应用于农业领域。但是现有的研究依然存在着问题,主要表现为,在多类别农作物病虫害分类任务中,不同类别的不平衡分布所引起的识别效果差的问题,以及,由图像中目标无关物体或干扰因素所引起的识别干扰的问题。为了解决这些问题,本文使用深度学习算法,基于渐进式增长生成对抗网络提出了一种用于识别农作物病虫害的网络模型,本文主要工作和结论如下:(1)针对解决由类别分布不平衡所引起的识别效果差的问题,本文基于渐进式增长生成对抗网络和卷积注意力模块,提出一种改进的渐进式增长生成对抗网络判别器CPDM网络模型对农作物病虫害进行识别。通过使用均衡学习率、像素级特征向量归一化和卷积注意力模块来搭建特征提取网络,提高网络的特征提取能力,并使用小批量偏差来丰富图像特征在空间上的关系。数据集由Plant Village数据集和自采6400张农作物图像组成,共14种农作物38类病虫害。使用CPDM网络模型与VGGNet16网络、VGGNet19网络和ResNet18网络进行比较,TOP-1测试准确率分别为99.06%、96.50%、96.65%、98.86%,分别提高了2.56%、2.41%、0.2%,且参数量仅为8.2M,能够满足在保证分类准确率的基础上,有效控制网络参数计算量的实验目的,有效解决类别分布不平衡的问题。(2)针对解决由目标无关物体或干扰因素所引起的识别干扰问题,本文基于CPDM网络搭建了双线性的CPDM网络,用于提取图像特征的高维表示,加强网络提取时局部特征与全局特征之间的联系。选用了IP102农作物病虫害数据集来进行验证,并使用低秩逼近汇聚对网络双线性池化进行了改进,使得网络参数计算量大量减少,得到了80.3%的TOP-1测试准确率,并与双线性的VGGNet16网络、双线性的VGGNet19网络、双线性的ResNet18网络和由CPDM网络和VGGNet网络或ResNet网络组成的双线性网络进行比较,实验证明双线性的CPDM网络对图像的关键特征更加敏感,对局部特征和全局特征的联系更加密切,可以在一定程度上有效解决由图像中目标无关物体或干扰因素所引起的识别干扰问题。研究结果证明,本文提出的CPDM网络可以有效地识别农作物病虫害,且可以根据实际任务进行合适的调整,有效解决不同类别的不平衡分布所引起的识别效果差的问题和由细粒度图像分类任务中目标无关物体或干扰因素所引起的识别干扰的问题。

关键词：渐进式增长生成对抗网络细粒度图像分类像素级特征农作物病虫害双线性卷积神经网络

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：