检索结果-南通市图书馆

国防科技大学学报 2015年第4期37卷 65-70页

作者：方民权周海芳张卫民申小龙国防科技大学计算机学院湖南长沙410073

高光谱影像降维快速独立成分分析过程包含大规模矩阵运算和大量迭代计算。通过分析算法热点，设计协方差矩阵计算、白化处理、ICA迭代和Ic变换等关键热点的图像处理单元映射方案，提出并实现一种G-FastICA并行算法，并基于GPU架构研究... 详细信息

高光谱影像降维快速独立成分分析过程包含大规模矩阵运算和大量迭代计算。通过分析算法热点，设计协方差矩阵计算、白化处理、ICA迭代和Ic变换等关键热点的图像处理单元映射方案，提出并实现一种G-FastICA并行算法，并基于GPU架构研究算法优化策略。实验结果显示：在处理高光谱影像降维时，CPU／GPU异构系统能获得比CPU更高效的性能，G—FastICA算法比串行最高可获得72倍加速比，比16核CPU并行处理快4～6．5倍。

关键词：图像处理单元高光谱影像降维快速独立成分分析并行算法性能优化

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于高光谱遥感影像的黄河入海口湿地分类方法研究

基于高光谱遥感影像的黄河入海口湿地分类方法研究

引用

作者：乔雯钰山东科技大学

学位级别：硕士

湿地系统是全球自然生态环境的重要组成部分。黄河入海口地处海陆相互作用的敏感地带,因为海水波流动力会对此地区造成侵蚀,所以湿地资源会频繁变化,保护湿地资源多样性具有特殊意义,故该地区的湿地研究具有极大的生态和经济价值。高光... 详细信息

湿地系统是全球自然生态环境的重要组成部分。黄河入海口地处海陆相互作用的敏感地带,因为海水波流动力会对此地区造成侵蚀,所以湿地资源会频繁变化,保护湿地资源多样性具有特殊意义,故该地区的湿地研究具有极大的生态和经济价值。高光谱遥感影像图谱合一,有利于湿地的分类识别研究。本文以黄河入海口湿地为研究区域,以新获取的“珠海一号”高光谱遥感影像数据为数据源,探讨针对湿地类型新数据的适用性,并基于高光谱遥感影像的马尔科夫随机场方法（MRF）对黄河口湿地进行分类。论文的主要研究及取得的成果如下:（1）给出利用高光谱遥感影像进行黄河入海口湿地分类的总流程。在对“珠海一号”高光谱数据预处理的基础上,综合研究区实地调查结果和各种湿地分类原则,确定研究区的分类系统,共包含八种湿地类型。然后对数据进行光谱特征增强和降维,最后利用MRF对研究区湿地分类。（2）采用对数变换增强影像中湿地类型的光谱特征。利用一阶微分和对数获取“珠海一号”影像光谱变换的数据形式,分析后得出:一阶微分处理会放大噪声对光谱的干扰程度,对数变换能够增强湿地地物之间的光谱差异性。通过统计原始影像、一阶微分、对数变换三种影像数据的方差特征和计算J-M距离,分析其信息量的大小和类别可分性。结果表明,对数变换的方差最大,包含的信息量最丰富,并且对数影像的J-M距离也是最大的,类别可分性最好。（3）采用主成分分析方法对影像进行降维处理。分析主成分分析、独立成分分析和最小噪声分离三种数据降维方法的特点,并用这三种降维方法对高光谱影像进行降维。结果表明,主成分分析方法简单,特征分解后按照特征值大小排列,降维后的影像信息量和类别可分性较好;独立成分分析方法在感兴趣信号和其它信号相对较弱情况下,提取影像特征更加有效;最小噪声分离是一种分离数据中噪声的降维方法,变换后各成份按照信噪大小排列。（4）提出将马尔科夫随机场应用于高光谱影像湿地分类。对本文提出方法进行实验验证,讨论模型中耦合系数和初值的设置对分类结果的影响。然后利用提出的方法对研究区影像进行分类。结果表明:耦合系数较小时,分类结果中边缘效果较好,但是会相应的出现椒盐现象;耦合系数较大时,区域连通性较好,但是会相应的忽略掉一些高频信息;初值的设置要受到研究区域面积和研究区内类别数目的影响,面积越大、类别数目越多,初值设置的就要大些。另实验还进行了常规分类方法,与本文提出的方法进行比较,本文提出的方法总体分类精度提高3.9672%,Kappa系数提高0.042。

关键词：光谱特征增强高光谱影像降维湿地分类马尔科夫随机场

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CUBLAS和CUDA的MNF并行算法设计与优化

引用

湖南大学学报（自然科学版） 2017年第4期44卷 147-156页

作者：周海芳高畅方民权国防科学技术大学计算机学院湖南长沙410073

为实现高光谱影像数据快速降维,基于nVidia的图像处理单元(graphic processing unit,GPU)研究最大噪声分数变换(Maximum Noise Fraction Rotation,MNF Rotation)降维算法的并行设计与优化,通过对加速热点并行优化,择优整合,设计并实现基... 详细信息

为实现高光谱影像数据快速降维,基于nVidia的图像处理单元(graphic processing unit,GPU)研究最大噪声分数变换(Maximum Noise Fraction Rotation,MNF Rotation)降维算法的并行设计与优化,通过对加速热点并行优化,择优整合,设计并实现基于CUBLAS(CUDA Basic Linear Algebra Subprograms)库的MNF-L(MNF-on-Library)算法和基于CPU/GPU异构系统的MNF-C(MNF-on-CUDA)算法.实验结果显示MNF-L算法加速11.5~60.6倍不等,MNF-C算法加速效果最好,加速46.5~92.9倍不等.研究结果表明了GPU在高光谱影像线性降维领域的巨大优势.

关键词：图像处理单元 GPU性能优化高光谱影像降维最大噪声分数变换协方差矩阵计算

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

集成众核上快速独立成分分析降维并行算法

引用

计算机研究与发展 2016年第5期53卷 1136-1146页

作者：方民权张卫民周海芳国防科学技术大学计算机学院长沙410073

高光谱遥感影像快速独立成分分析(fast independent component analysis,FastICA)降维过程包含大规模矩阵计算及大量迭代计算.通过热点分析,面向集成众核(many integrated core,MIC)架构设计了协方差矩阵计算、白化处理和ICA迭代等热点... 详细信息

高光谱遥感影像快速独立成分分析(fast independent component analysis,FastICA)降维过程包含大规模矩阵计算及大量迭代计算.通过热点分析,面向集成众核(many integrated core,MIC)架构设计了协方差矩阵计算、白化处理和ICA迭代等热点并行方案,提出和实现一种M-FastICA并行降维算法,并构建算法性能模型;基于集成众核研究并行程序优化策略,针对各热点并行方案提出一系列优化策略,特别是创新性地提出一种下三角阵负载均衡方法,并量化测试其优化效果.实验结果显示M-FastICA算法最高可加速42倍,比24核CPU多线程并行快2.2倍;探讨了波段数与并行程序性能的关系;实验数据验证了算法性能模型的准确性.

关键词：集成众核独立成分分析高光谱影像降维性能模型下三角阵负载均衡

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于HJ-1A HSI高光谱遥感数据的湟水流域典型植被分类

基于HJ-1A HSI高光谱遥感数据的湟水流域典型植被分类

引用

作者：史飞飞青海师范大学

学位级别：硕士

本文以青海省湟水流域为研究区,以HJ-1 A星HSI高光谱遥感影像,野外实测植被冠层光谱和其它辅助分类数据为数据源,借助新兴的高光谱遥感技术对研究区内典型植被类型进行高光谱遥感识别和分类研究。上述数据经预处理、光谱数据形式变换、... 详细信息

本文以青海省湟水流域为研究区,以HJ-1 A星HSI高光谱遥感影像,野外实测植被冠层光谱和其它辅助分类数据为数据源,借助新兴的高光谱遥感技术对研究区内典型植被类型进行高光谱遥感识别和分类研究。上述数据经预处理、光谱数据形式变换、高光谱数据降维和影像分类特征选取后,分别采用支持向量机(SVM)、BP神经网络(BPNN)、最大似然分类(MLC)、CART决策树(CART-DT)和波谱角填图(SAM)共5种分类方法进行典型植被遥感分类。考虑到研究区地形的复杂性、地物类型斑块破碎和植被类型多样性的特点,在分类特征数据中融入了地形辅助分类数据(包括数字高程模型、坡度和坡向)和光谱特征参量数据(绿峰幅值、红谷幅值和红边归一化植被指数)。本文的目标就是对上述5种分类方法的分类结果进行对比分析和精度评价,获取不同分类方法间的优劣性,同时寻求较优的光谱数据变换形式和高光谱影像降维方法,以探索适用于复杂地形区的植被高光谱遥感分类方法。主要研究结论如下:(1)本文采用的5种分类方法中,SVM的分类效果最优,其最高总体分类精度达89.21%,Kappa系数为0.88。BPNN的分类精度次于SVM分类精度,其最优总体分类精度达88.7%,Kappa系数为0.87。CART-DT的分类效果略低于上述两种分类器,其最优总体分类精度为87.69%,Kappa系数为0.85,但采用CART-DT方法的分类效率要显著高于SVM和BPNN分类器,且也能获得较优的分类精度。利用SAM方法分类精度低于上述3种,其最高总体分类精度达到了85.5%,Kappa系数为0.83,SAM分类器是目前广泛应用的高光谱遥感分类方法,对于高光谱影像分类较为适用,但该算法前期的端元光谱选取较为耗时,同时端元光谱的准确选择对于波谱角分类的精度也有较大影响。MLC分类效果最差,其最优总体分类精度为77.91%,Kappa系数为0.74。(2)针对研究区内8种典型植被类型,寒温性常绿针叶林的制图精度最高达86.05%,且5种分类器对于该种植被类型均有较高分类精度。温性落叶阔叶林的最优制图精度达88.00%,SVM和BPNN分类器的对该类型的识别精度要高于CART-DT和SAM,而MLC的识别精度最低,其制图精度仅为72.00%。对于灌丛植被最优制图精度达87.00%,CART-DT对于灌丛类型的识别精度要低于其它4种分类器,且4种分类器对于该种类型的识别精度均保持在86%左右。草原类型的最优制图精度达到88.15%,总体而言5种分类器对于草原类型的识别精度SVM较高,而SAM识别精度略低,其它3种分类器保持在85.00%左右。栽培植被最高制图精度为91.67%,5种分类器对栽培植被的识别效果依次为SVM>BPNN>CART-DT>SAM>MLC。高山流石坡植被的最高制图精度达到94.00%,SVM、BPNN和CART-DT对该种类型识别精度均最优,SAM次之,而MLC分类方法效果最差。无植被覆盖区的最优制图精度达93.85%,5种分类器对于该种类型的识别均能获得较高的精度,MLC和SAM分类法的识别精度要略低于其它分类方法,水体的最优制图精度达到93.33%,SAM对于该类识别效果要略低于其它4种分类器。(3)本文采用了MNF降维结果+辅助分类数据、PCA降维结果+辅助分类数据、ICA降维结果+辅助分类数据共3种分类数据形式,通过对该3种数据类型的12种分类结果分析发现,采用MNF降维结果+辅助分类数据的分类精度要优于其它两种,其平均总体分类精度达86%,采用PCA降维结果+辅助分类数据的分类效果次之,其平均总体分类精度达84%,而采用ICA降维结果+辅助分类数据的平均总体分类精度达81%。因采用的辅助分类数据均相同,所以可以得出文中对HSI高光谱数据采用最小噪声分离(MNF)、主成分分析(PCA)和独立主成分分析(ICA)共3种高光谱降维方法,其降维效果依次为MNF>PCA>ICA。(4)本文经数据形式变换获得原始(R)、倒数(1/R)、对数(log(R))和连续统去除(CR)4种高光谱影像数据,并利用该4种数据类型,采用波谱角填图进行典型植被类型分类,通过精度评价表明,采用CR数据分类精度最优,其总体分类精度达85.5%,Kappa系数为0.83。采用log(R)数据其总体分类精度达84.82%,Kappa系数为0.82。采用R数据其总体分类精度达82.29%,Kappa系数为0.79。而采用1/R数据分类精度较低,其总体分类精度为80.61%,Kappa系数为0.77。结果表明针对原始光谱数据选取较为适用的数据变换形式能够提高分类器的识别精度,4种数据形式进行典型植被分类其效果依次为CR>log(R)>R>1/R。

关键词：高光谱遥感 HJ-1A HSI 植被分类高光谱影像降维光谱数据形式变换湟水流域

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

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

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

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：