检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于码本模型和多特征的早期烟雾检测

中国图象图形学报 2012年第9期17卷 1102-1108页

作者：姜明新王洪玉蔡兴洋大连理工大学电子信息与电气工程学部大连116024 大连民族学院信息与通信工程学院大连116600

提出一种基于码本模型和多特征的早期烟雾检测算法。首先,利用码本模型进行前景提取;然后,结合烟雾的颜色模型和形状特征模型检测前景中的疑似烟雾区域;最后,利用烟雾的动态特性,有效地降低误检率,提高算法的鲁棒性。通过ROC曲线对比,... 详细信息

提出一种基于码本模型和多特征的早期烟雾检测算法。首先,利用码本模型进行前景提取;然后,结合烟雾的颜色模型和形状特征模型检测前景中的疑似烟雾区域;最后,利用烟雾的动态特性,有效地降低误检率,提高算法的鲁棒性。通过ROC曲线对比,实验结果表明,该算法具有良好的烟雾检测能力。同时,能够满足实时性要求,具有较高的实用价值。

关键词：烟雾检测码本模型多特征 ROC曲线

在线全文

学校读者我要写书评

暂无评论

顾及无人机影像多特征信息的滑坡识别

自然灾害学报 2024年第5期33卷 109-118页

作者：张钰洁刘佳佳孙龙易邦进李佳云南师范大学地理学部云南昆明650500 中国能源建设集团云南省电力设计院有限公司云南昆明650051 云南省设计院集团有限公司云南昆明650103 云南省地质科学研究所云南昆明650051

滑坡灾害具有较强的突发性和破坏力,快速、准确识别滑坡对受灾区的应急救援、灾害评估具有重要意义。无人机(unmanned aerial vehicle,UAV)具备操作灵活、高时效性和高分辨率等优势,为特定区域的滑坡数据获取提供了强大的技术支持。以... 详细信息

滑坡灾害具有较强的突发性和破坏力,快速、准确识别滑坡对受灾区的应急救援、灾害评估具有重要意义。无人机(unmanned aerial vehicle,UAV)具备操作灵活、高时效性和高分辨率等优势,为特定区域的滑坡数据获取提供了强大的技术支持。以云南省绿春县为研究区,以UAV影像为数据源,首先构建研究区的数字正射影像(digital orthophoto map,DOM),在此基础上进行多尺度分割;然后综合光谱、形状和纹理等多特征信息,计算样本分离度后优化特征空间;最后基于面向对象的贝叶斯(Bayes)分类方法进行滑坡识别与精度分析。研究结果表明:采用Bayes方法得到的滑坡识别总体精度(overall accuracy,OA)达92.49%,Kappa系数达0.888,其中滑坡区域的生产者精度(producer accuracy,PA)和用户精度(user accuracy,UA)分别为89.84%和83.17%。此外,与决策树(decision tree,DT)、随机森林(random forest,RF)和支持向量机(support vector machine,SVM)3种分类方法的滑坡识别结果进行精度对比,Bayes方法的OA较其他分类方法提高3.26%~5.86%,Kappa系数提高0.048~0.092。该方法对于复杂、破碎山地的滑坡识别精度较高,能够满足基于高分辨率UAV影像的滑坡精细化识别应用需求。

关键词：面向对象贝叶斯分类滑坡无人机影像多特征

在线全文

学校读者我要写书评

暂无评论

融合多特征深度学习的地面激光点云语义分割

测绘科学 2021年第3期46卷 133-139,162页

作者：李健姚亮郑州大学地球科学与技术学院郑州450001 郑州大学水利科学与工程学院郑州450001

针对当前点云语义分割研究对地面站激光点云特征利用不足、正确率较低的问题,该文提出了一种基于多尺度球形邻域特征的深度神经网络算法。该算法基于多尺度球形邻域计算的地面激光点云的粗糙度、高斯曲率,以及全方差、线性度等基于协方... 详细信息

针对当前点云语义分割研究对地面站激光点云特征利用不足、正确率较低的问题,该文提出了一种基于多尺度球形邻域特征的深度神经网络算法。该算法基于多尺度球形邻域计算的地面激光点云的粗糙度、高斯曲率,以及全方差、线性度等基于协方差的多种特征,结合XYZ坐标、RGB颜色、激光反射强度组成47维特征向量作为神经网络的输入,经过多组参数组合实验优化神经网络结构,最后通过softmax分类器输出每个点的类别。利用Semantic-3D测试集验证所提的深度神经网络模型,取得了较好的分类精度,总体正确率和平均交并比分别达到了86.6%和55.0%。实验结果表明,所提算法充分利用了地面站激光点云的特征,可有效提升语义分割的正确率。

关键词：点云语义分割多特征神经网络

基于随机加权的SAR图像多特征联合目标分类

在线全文

学校读者我要写书评

暂无评论

电子测量与仪器学报 2019年第5期31卷 187-192页

作者：陈岭四川建筑职业技术学院机电与信息工程系

提出随机加权的合成孔径雷达(SAR)图像多特征联合目标分类方法,多特征决策融合是提高SAR目标分类性能的重要手段之一,然而,不同决策融合机制得到的结果往往大相径庭。首先采用联合稀疏表示对SAR图像中提取的多类特征进行表示,这一步骤... 详细信息

提出随机加权的合成孔径雷达(SAR)图像多特征联合目标分类方法,多特征决策融合是提高SAR目标分类性能的重要手段之一,然而,不同决策融合机制得到的结果往往大相径庭。首先采用联合稀疏表示对SAR图像中提取的多类特征进行表示,这一步骤主要是在单独表示各类特征的同时挖掘它们之间的关联性;对于各个特征输出的重构误差,并不是采用传统的简单相加而是利用多组随机权值矢量对所有的重构误差进行分析;最后,基于加权后的结果定义决策变量,完成目标类别的判断。在MSTAR数据集上对提出方法进行验证,结果表明其有效性。

关键词：合成孔径雷达目标分类多特征联合稀疏表示随机权值

基于Sentinel-2时序多特征的植被分类

在线全文

学校读者我要写书评

暂无评论

浙江农林大学学报 2019年第5期36卷 849-856页

作者：郭文婷张晓丽北京林业大学省部共建森林培育与保护教育部重点实验室北京100083 北京林业大学精准林业北京市重点实验室北京100083

植被分类是研究森林资源状况和动态变化规律的基础,利用遥感手段可以更加快速、准确地识别植被类型。以位于内蒙古赤峰市喀喇沁旗西南部的旺业甸实验林场为研究对象进行植被分类。采用分层分类的思想,首先根据植被物候特征选取植被生长... 详细信息

植被分类是研究森林资源状况和动态变化规律的基础,利用遥感手段可以更加快速、准确地识别植被类型。以位于内蒙古赤峰市喀喇沁旗西南部的旺业甸实验林场为研究对象进行植被分类。采用分层分类的思想,首先根据植被物候特征选取植被生长旺盛时期的影像,计算归一化植被指数(normalized difference vegetation index,NDVI)并设定合适的阈值将研究区内的植被提取出来,剩余部分归为非植被。然后选取NDVI时间序列、最佳时相的Sentinel-2数据中10个波段的光谱反射率特征和主成分分析前3个分量的纹理特征作为分类特征,利用支持向量机分类器将研究区内的植被类型分为耕地、草地、常绿针叶林、落叶针叶林和落叶阔叶林五大类,并将分类结果与最大似然法、NDVI时序+光谱特征的分类结果进行对比分析。NDVI时序+光谱特征+纹理特征的多特征植被分类总体精度达87.64%,Kappa系数为0.85,分别比最大似然法和结合NDVI时序+光谱特征的分类总体精度提高了15.73%和14.61%,Kappa系数提高了0.20和0.18。其中常绿针叶林和耕地的分类结果与实地调查情况高度一致,分类精度分别达到95.65%和92.31%。从而得出:①基于多特征的分类方法有助于提高分类精度;②NDVI时序特征对于植被的区分具有很大帮助;③采用分层分类的思想,首先将研究区内的植被提取出来,可以排除非植被因素的干扰,有效提高植被类型的分类精度。

关键词：森林经理学 Sentinel-2 归一化植被指数时间序列多特征植被类型

在线全文

学校读者我要写书评

暂无评论

一种多特征结合的遥感图像分类方法

计算机应用与软件 2014年第11期31卷 183-185,236页

作者：俞璐谢钧南京航空航天大学计算机科学与技术学院江苏南京210007 解放军理工大学通信工程学院江苏南京210007 解放军理工大学指挥信息系统学院江苏南京210014

遥感图像分类是遥感图像分析和理解的基础,是遥感图像研究中的重要内容之一。为提高分类效果,遥感图像分类中通常需要综合运用多种特征。提出一个新的基于特征级融合的遥感图像分类方法。将多种图像空间特征和光谱特征分别作为分类器的... 详细信息

遥感图像分类是遥感图像分析和理解的基础,是遥感图像研究中的重要内容之一。为提高分类效果,遥感图像分类中通常需要综合运用多种特征。提出一个新的基于特征级融合的遥感图像分类方法。将多种图像空间特征和光谱特征分别作为分类器的输入,将各分类器的概率输出拼接起来作为中间层特征再进行分类。该方法有效避免了多特征直接拼接存在的尺度问题。在Indian93和Flightline C1两个数据集上的实验结果表明该方法具有一定优势。

关键词：数据融合遥感图像图像分类多特征

协同Sentinel合成孔径雷达和光学影像多特征的不透水面随机森林提取方法

在线全文

学校读者我要写书评

暂无评论

遥感技术与应用 2023年第2期38卷 422-431页

作者：匡开新杨英宝高永年刘宇翔河海大学地球科学与工程学院江苏南京211100

不透水面的精确提取对区域人口密度估计、环境评估、灾害预测、水文模型构建、城市热岛效应研究以及气候变化分析等具有重要意义。传统大尺度不透水面提取方法主要受限于遥感数据质量和提取特征的选择,提取的不透水面空间分辨率较低,难... 详细信息

不透水面的精确提取对区域人口密度估计、环境评估、灾害预测、水文模型构建、城市热岛效应研究以及气候变化分析等具有重要意义。传统大尺度不透水面提取方法主要受限于遥感数据质量和提取特征的选择,提取的不透水面空间分辨率较低,难以满足现阶段不透水面的精细化需求。以Sentinel-1 SAR和Sentinel-2 MSI为遥感数据源,从光谱、纹理、时序等3个维度选取不透水面的多个提取特征,构建了基于随机森林的不透水面提取模型,并利用GEE平台开展了2020年长三角地区的10 m空间分辨率不透水面提取实验。结果表明:在不同类型实验区,与仅用光谱特征、光谱特征和时序特征相比,该方法的总体精度、Kappa系数分别提升5%、9%和2%、6%,且针对不透水面覆盖水平不同的各类城市,均具有较好的提取效果;长三角地区全域尺度不透水面提取的总体精度和Kappa系数分别达93.75%和0.88,不透水面面积为61591.38 km^(2),占全域总面积的比例约为17%,主要分布在长三角的东部区域,西、北部不透水面占比较低且呈放射性分布。该方法针对10 m分辨率遥感影像提出的,适用于山区、乡村、城区、城乡结合部等不同类型区,方法简单易操作,精度较高且适用于云平台大区域计算。

关键词：不透水面多特征随机森林长三角地区 Sentinel数据

基于多尺度多特征的高空间分辨率遥感影像建筑物自动化检测

在线全文

学校读者我要写书评

暂无评论

国土资源遥感 2019年第1期31卷 71-78页

作者：吴柳青胡翔云武汉大学遥感信息工程学院武汉430079

建筑物检测在城市规划、变化检测、地表覆盖等方面均起到重要作用。然而高空间分辨率遥感影像(简称"高分影像")中建筑物朝向不一,形态颜色各异,大小尺寸也有着较大差别,使得建筑物检测成为一道难题。为此,提出一种基于多尺度多特征来自... 详细信息

建筑物检测在城市规划、变化检测、地表覆盖等方面均起到重要作用。然而高空间分辨率遥感影像(简称"高分影像")中建筑物朝向不一,形态颜色各异,大小尺寸也有着较大差别,使得建筑物检测成为一道难题。为此,提出一种基于多尺度多特征来自动化检测高分影像中建筑物的方法:首先,对影像降采样构建高斯金字塔模型,固定尺度的滑动窗口在不同层影像中对应着不同的实际地面面积;然后,对影像进行超像素分割并计算滑动窗口中多种描述建筑物特性的特征值,通过多特征融合来衡量建筑物目标在不同尺度影像中的显著性;最后,计算超像素块的显著性均值,结合Otsu算法自动求取阈值,进一步设置长宽比等约束条件,从而准确、自动地提取建筑物目标。分别采用空间分辨率为0. 5 m和0. 2 m的影像进行实验,并和基于颜色和纹理建模的马尔科夫随机场模型算法进行定性和定量的比较。实验结果表明,该方法对高分影像中建筑物的提取有更好的实际效果和检测精度。

关键词：高分影像多尺度多特征建筑物检测超像素

融合多特征的分段卷积神经网络对象级情感分类方法

在线全文

学校读者我要写书评

暂无评论

中文信息学报 2021年第2期35卷 116-124,132页

作者：周武曾碧卿徐如阳杨恒韩旭丽程良伦华南师范大学计算机学院广东广州510631 华南师范大学软件学院广东佛山528225 广东省信息物理融合系统重点实验室广东广州510006

对象级情感分类旨在判断句子中特定对象的情感极性类别。在现有基于卷积神经网络的研究中,常在模型的池化层采用最大池化操作提取文本特征作为句子表示,该操作未考虑由对象所划分的上下文,因此无法得到更细粒度的对象上下文特征。针对... 详细信息

对象级情感分类旨在判断句子中特定对象的情感极性类别。在现有基于卷积神经网络的研究中,常在模型的池化层采用最大池化操作提取文本特征作为句子表示,该操作未考虑由对象所划分的上下文,因此无法得到更细粒度的对象上下文特征。针对该问题,该文提出一种融合多特征的分段卷积神经网络(multi-feature piecewise convolution neural network,MP-CNN)模型,根据对象将句子划分为两个部分作为上下文,并在池化层采用分段最大池化操作提取上下文特征。此外,该模型还将有助于情感分类的多个辅助特征融入其中,如词的相对位置、词性以及词在情感词典中的情感得分,并通过卷积操作计算词的注意力得分,有效判断对象的情感极性类别。最后在SemEval 2014数据集和Twitter数据集的实验中,取得了较基于传统机器学习、基于循环神经网络以及基于单一最大池化的卷积神经网络分类模型更好的分类效果。

关键词：多特征分段卷积神经网络对象级情感分类