检索结果-南通市图书馆

基于遥感影像的水体智能提取及天德湖CDOM浓度反演方法研究

维普期刊数据库博看期刊

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

基于遥感影像的水体智能提取及天德湖CDOM浓度反演方法研究

作者：范猛郑州大学

学位级别：硕士

随着社会经济的高速发展,一些地表水体受到了严重的污染,因此对水体范围和水质污染进行准确的监测便显得尤为重要。遥感因其监测范围广和时效性强等特点在水污染监测和环境保护等方面优势明显,因此基于遥感影像获取水体范围和水质情况... 详细信息

随着社会经济的高速发展,一些地表水体受到了严重的污染,因此对水体范围和水质污染进行准确的监测便显得尤为重要。遥感因其监测范围广和时效性强等特点在水污染监测和环境保护等方面优势明显,因此基于遥感影像获取水体范围和水质情况具有很高的应用价值。为此,本文围绕水环境监测中的水体范围识别和内陆水体水质参数浓度反演问题,开展基于“珠海一号”高光谱影像的大尺度范围的水体智能化提取和基于多源遥感影像城市小范围水体的CDOM(Colored Dissolved Organic Matter,CDOM)浓度反演研究。前者主要基于现有地表覆盖产品建立训练样本多时相光谱库,研究如何快速、准确地从遥感影像中提取大尺度范围的水体边界;后者以郑州市天德湖为例,针对不同的遥感影像提出相应的自变量选取策略,旨在研究内陆水体水质参数CDOM浓度反演的方法。其主要研究内容和成果如下:(1)建立水体训练样本多时相光谱库。基于现有地表覆盖产品提取训练样本坐标,结合“珠海一号”高光谱影像建立水体和其它地物多时相光谱库,光谱库中包括水体样本5051个,其它地物样本5000个。(2)基于多时相光谱库的大尺度范围水体智能提取方法研究。在多时相光谱库的基础上,利用自定义初始化种群的差分进化算法对“珠海一号”高光谱影像进行波段选择和优化xgboost(e Xtreme Gradient Boosting,xgboost)分类器中的超参数的方式建立水体智能提取模型,并与决策树算法、支持向量机算法等进行比较。结果表明,本文提出的水体智能提取模型精度最高,其准确率(Accuracy)为0.93、Kappa系数为0.85;其次是支持向量机模型,其准确率为0.91、Kappa系数为0.81;决策树模型精度最差,其准确率为0.89、Kapp系数为0.77。选择最优模型用于“珠海一号”高光谱影像中进行提取水体,其水体提取精度较高。(3)基于多源遥感影像的天德湖水质参数CDOM浓度反演研究。在天德湖水质参数CDOM浓度反演研究中,根据不同的遥感影像提出了不同的自变量选取策略。对于多光谱影像,利用全部波段建立的反演模型相比相关系数选择的自变量建立的反演模型的精度要高,对于Landsat 8影像数据,其平均绝对误差(Mean Absolute Error,MAE)下降3.33%,均方根误差(Root Mean Square Error,RMSE)下降2.86%;对于Sentinel-2A影像数据,其MAE下降8.33%,RMSE下降3.44%。对于“珠海一号”高光谱影像,基于差分进化算法的波段选择的自变量的策略建模精度是:决定系数R为0.78,MAE为0.1mg/L,RMSE为0.16mg/L;全部波段作为自变量的策略建模精度是:决定系数R为0.46,MAE为0.2mg/L,RMSE为0.25mg/L;利用相关系数选取自变量的策略建模精度是:决定系数R为0.36,MAE为0.26mg/L,RMSE为0.28mg/L。结果表明,对于多光谱影像,全部波段作为自变量的策略的建模精度最高,而对于高光谱影像,基于差分进化算法的波段选择的自变量策略建模的精度最高。(4)根据“珠海一号”高光谱反演模型绘制天德湖水质参数CDOM浓度空间分布图。结果表明,郑州市天德湖CDOM浓度的整体分布趋势为:西部浓度较高,东部浓度较低,进水口浓度高于出水口浓度,西北方向浓度最高。

关键词：高光谱遥感水体提取 xgboost分类器 CDOM浓度反演

基于xgboost算法的阻塞性睡眠呼吸暂停预测模型

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

中国耳鼻咽喉头颈外科 2022年第1期29卷 1-5页

作者：李祖飞李彦如施云瀚韩德民首都医科大学附属北京同仁医院耳鼻咽喉头颈外科耳鼻咽喉头颈科学教育部重点实验室(首都医科大学)北京100730

目的使用xgboost算法建立阻塞性睡眠呼吸暂停(OSA)的机器学习预测模型。方法纳入680例于首都医科大学附属北京同仁医院行整夜多道睡眠图监测患者,收集其性别、年龄、颈围以及体质量指数(body mass index,BMI)、夜间最低血氧饱和度、夜... 详细信息

目的使用xgboost算法建立阻塞性睡眠呼吸暂停(OSA)的机器学习预测模型。方法纳入680例于首都医科大学附属北京同仁医院行整夜多道睡眠图监测患者,收集其性别、年龄、颈围以及体质量指数(body mass index,BMI)、夜间最低血氧饱和度、夜间平均血氧饱和度、3%氧减指数等信息,作为机器学习的输入特征,以xgboost算法建立OSA的自动预测模型,并与其他几种常用的机器学习算法(如支持向量机、随机森林、决策树等)建立的模型结果进行对比。结果在四分类(正常受试者,轻度、中度、重度OSA)中,xgboost分类器在所有算法中表现最好,综合分类准确率为93.4%,F1值得分分别为94.7%、78.7%、86.7%、98.1%,ROC曲线下面积(AUC)分别为98.0%、85.0%、92.0%和98.0%。结论基于xgboost算法成功建立成人OSA预测模型,可用于临床OSA的诊断与筛查。

关键词：睡眠呼吸暂停,阻塞性血氧测定法人工智能人体质量指数 xgboost分类器

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

白酒瓶烤花外观缺陷检测技术研究

白酒瓶烤花外观缺陷检测技术研究

作者：李鹭峰电子科技大学

学位级别：硕士

白酒在我国有着悠久的历史和传统,随着当今白酒产量的不断增加,为更好的满足产品市场竞争,白酒生产商对产品质量的要求也在日益提高。白酒瓶质量检测过程中传统的人工检测模式容易受到视觉疲劳等因素影响且效率低,因而无法满足工业化生... 详细信息

白酒在我国有着悠久的历史和传统,随着当今白酒产量的不断增加,为更好的满足产品市场竞争,白酒生产商对产品质量的要求也在日益提高。白酒瓶质量检测过程中传统的人工检测模式容易受到视觉疲劳等因素影响且效率低,因而无法满足工业化生产应用要求。所以研究基于机器视觉的白酒瓶检测系统,代替人工检测方法,从而有效的满足白酒产品质量检测要求,提高检测准确性,具有十分广泛的应用前景和经济价值。本文基于机器视觉技术介绍了白酒瓶缺陷检测的相关理论和技术,设计了一套白酒瓶烤花缺陷检测系统,并着重探讨和分析了白酒瓶烤花缺陷的检测算法。首先,本文对课题的背景及意义进行了简要的论述,分析了白酒瓶缺陷检测领域的研究情况和发展现状,总结了白酒瓶烤花常见缺陷的类型、特点和成因,接着对白酒瓶烤花缺陷检测相关的技术和方法进行了介绍。其次,本文根据检测对象的特点和检测需求,设计了一套白酒瓶图像采集系统,系统以机械手抓取相机环绕式图像采集为工作模式,由视觉照明模块、机械手抓取与控制模块、图像采集模块所组成。然后,对采集到的白酒瓶烤花图像首先进行去高光处理、图像降噪以及图像分割等预处理操作。针对白酒瓶表面商标类缺陷利用基于SURF算子的图像配准、图像差分以及Blob分析法进行缺陷检测,实验结果显示,该检测方案的平均检测率为95.40%。而非商标类缺陷则提取其14维特征制作成白酒瓶烤花缺陷数据集,作为本文xgboost分类器的输入向量,并利用贝叶斯优化算法对本文分类器进行参数优化,最终利用自建的白酒瓶烤花缺陷数据集对本文分类器进行了交叉验证和结果分析。最后,将本文使用的缺陷检测模型与其他八种常用机器学习模型进行了多维度的评价与分析,实验结果表明,本文所使用的缺陷检测算法模型平均检测率达到98.58%,和其他模型相比具有更高的检测率和稳定性。

关键词：机器视觉缺陷检测图像配准 xgboost分类器

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

空对地场景下基于三维点云的目标识别

空对地场景下基于三维点云的目标识别

作者：任超北京邮电大学

学位级别：硕士

目标识别是当今社会多个领域都在广泛使用的一项技术,其与传统行业的相结合不仅能极大提高生产效率,还能为人们带来更多的便捷。近年来,随着硬件的不断发展,一些传感器具有了获取三维空间信息的能力,其中以激光雷达最为热门,研究者们将... 详细信息

目标识别是当今社会多个领域都在广泛使用的一项技术,其与传统行业的相结合不仅能极大提高生产效率,还能为人们带来更多的便捷。近年来,随着硬件的不断发展,一些传感器具有了获取三维空间信息的能力,其中以激光雷达最为热门,研究者们将其运用在目标识别中,通过建立以激光雷达采集点云数据并搭载软件进行处理的系统,解决了多个实际问题,具有重要意义。本论文以雷达在高空拍摄到的俯视点云图为对象进行研究,旨在解决空对地场景下的识别任务。我们对几种点云的识别方法进行总结,并选取两种用于改进和测试。论文的大致内容如下:（1）点云数据获取。介绍点云的相关知识,利用现有设备和软件分别搭建实际场景和仿真场景,并得到相应的点云俯视图。（2）传统点云识别方法介绍。主要是基于全局和局部两种描述子,选取了三类全局描述子:VFH、ESF、GASD,三类局部描述子FPFH、SHOT、ROPS,从设计思路、计算复杂度及稳定性等方面进行分析,并讲解了识别流程各个步骤的工作,总结描述子方法识别的局限性。（3）利用改进的PPF算法实现目标识别。分析了 PPF算法的原理,根据本场景点云特点对算法进行改进,依靠地面点移除和点云分割的预处理方法缩小计算成本,利用概率输出代替位姿矩阵输出简化算法流程,并达到标识点云属于目标可能性的目的。对改进的方法利用数据测试,给出目标识别率随激光雷达距离变化的曲线图。考虑到点云缺失的问题,在三个拍摄角度下利用多组目标样本计算识别概率曲线,对比曲线变化并进行分析。（4）利用机器学习方法实现目标识别。选取RANSAC算法移除场景地面点、欧式聚类分割点云,得到单独的点云聚类,对聚类使用PCA算法进行坐标转换,然后在该坐标系下提取五种特征,并用xgboost分类器训练样本,得到最终分类模型。为了验证模型好坏,选取K近邻、SVM、逻辑回归三种分类器在精确率、召回率、准确率上进行对比,确定了模型的优势。

关键词：点云目标识别改进的PPF算法 xgboost分类器

可用于自动巡航的电力设施目标的搜索与识别研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

可用于自动巡航的电力设施目标的搜索与识别研究

作者：王夏夏浙江大学

学位级别：硕士

计算机的高速发展,促使人工智能化越来越普遍。出现了住宅智能化、医院智能化、工业智能化、农业智能化等现象,而电力行业也不例外,架空输电线路的规模在逐渐扩大。杆塔和电力线路长期暴露在野外,易受到自然界的侵蚀及人为的破坏,出现... 详细信息

计算机的高速发展,促使人工智能化越来越普遍。出现了住宅智能化、医院智能化、工业智能化、农业智能化等现象,而电力行业也不例外,架空输电线路的规模在逐渐扩大。杆塔和电力线路长期暴露在野外,易受到自然界的侵蚀及人为的破坏,出现线路老化、绝缘子破损、防震锤松动等一系列问题,如果不加整修,将对整个电力系统带来不可估量的损失。传统的人工电路巡检不仅工作量大、效率低下而且工作环境艰苦,通常维修人员要穿过山川、河流等复杂地势,更重要的是,人工电力巡线会影响线路的日常运维。而无人机在遇到滑坡、地震、雨雪等自然灾害天气时可以正常带电巡检,并且效率高。到目前为止,市场上还没有出现真正的全自动无人机电力巡检系统,针对这一问题,本文对输电杆塔、绝缘子和输电线这三种典型电力目标的识别与跟踪进行了深入研究,为下一步的无人机自动巡检电力设施缺陷做准备。针对输电杆塔的识别与跟踪问题,研究了输电杆塔的识别与跟踪算法。主要对电力铁塔、钢管杆塔和钢筋混凝土杆塔这三种材质的输电杆塔进行识别与跟踪,根据铁塔循环的交叉结构、钢管杆塔和钢筋混凝土杆塔的线状特征,分别提取图像中显著像素点的ORB特征、对局部形变和光照影响有良好稳定性的HOG特征和对光照变化等造成的图像灰度变化具有较强鲁棒性的LBP特征,训练多种分类器模型,通过测试集检测发现,提取电塔的HLORB(ORB、HOG和LBP的融合特征)特征,训练集成学习中的xgboost分类器准确率最高,达到96.69%,采用选择性搜索算法搜索输电杆塔,检测一张图片仅需42ms。在输电杆塔识别的基础上,采用KCF算法跟踪输电杆塔,达到33帧/s。针对绝缘子的识别问题,提出深度学习的算法检测绝缘子,即采用基于YOLOv3的改进算法检测绝缘子,选用MobileNetv1为特征提取网络,识别准确率达到96%,检测速率为34帧/s,实现了绝缘子的实时识别。针对输电线的识别与跟踪的问题,提出基于LSD提取电力线的算法。航拍图由于无人机在飞行中的抖动导致图像模糊,通过各种滤波算法的比较,采用保留图像边缘的双边滤波算法滤除图像的噪声,Sobel算子提取图像边缘,相比于霍夫变换,LSD算法检测直线线段断裂少、速度快并且具有稳定性,选用LSD算法提取图像直线,将已提取的直线进行主方向提取,然后根据直线的长度进行线段筛选,最后利用最小二乘法拟合电力线,能够识别92%的电力线,利用无损卡尔曼滤波进行电力线跟踪,速率达到32帧/s,实现了对视频序列图像的跟踪。同时,还实现了日盲紫外双通道检测系统的紫外通道图像与可见光通道图像的融合,为下一步实际电力巡检中利用紫外通道检测电力设施电晕放电的强度,可见光通道定位缺陷位置做准备。

关键词：无人机 xgboost分类器 LSD算法 MobileNet YOLOv3

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

改进的基于增强型HOG的行人检测算法

计算机系统应用 2020年第10期29卷 199-204页

作者：李文书韩洋阮梦慧王志骁浙江理工大学信息学院杭州310018

行人检测在人工智能系统、车辆辅助驾驶系统和智能监控等领域具有重要的应用,是当前的研究热点.针对HOG特征不明显、支持向量机(SVM)分类器计算复杂度高,导致识别率低和检测速度慢的问题,本文提出了一种改进的基于增强型HOG的行人检测算... 详细信息

行人检测在人工智能系统、车辆辅助驾驶系统和智能监控等领域具有重要的应用,是当前的研究热点.针对HOG特征不明显、支持向量机(SVM)分类器计算复杂度高,导致识别率低和检测速度慢的问题,本文提出了一种改进的基于增强型HOG的行人检测算法.该算法首先预处理原始图像并提取其HOG特征,然后增强该特征生成增强型HOG,经xgboost分类器进行行人检测.在INRIA数据集上进行测试,实验结果表明所提算法识别率高达95.49%,有效地提高了行人检测性能.

关键词：行人检测 HOG特征增强型HOG xgboost分类器