面向高光谱图像分类的超像素级Gabor特征融合方法研究

由于高光谱图像中的地物空间分布具有规整性和局部连续性,同时超像素分割是一种将空间图像分割成多个同质区域的有效方法,因此从超像素的角度进行高光谱图像分类将具有重要意义.本文提出了一种超像素级Gabor特征融合的高光谱图像分类方法,简称为SPGF.首先,使用一组预定义的二维Gabor滤波器与原始高光谱图像进行卷积运算,提取有效特征.同时,利用简单线性迭代聚类（简称SLIC）超像素分割方法将原始高光谱图像划分成互不重叠的超像素.然后,对于每个Gabor特征模块,利用支持向量机分类器进行分类,并使用多数投票策略实现各模块分类结果的融合.最后,使用通过SLIC算法得到的超像素图对分类结果进行修正.在2个真实高光谱数据集上的实验结果表明,本文提出的SPGF方法能够比领域内的一些经典算法获得更高的分类效果.     

多光谱卫星图像的一种模糊聚类方法

基于二维光谱特征空间，用模糊C均值(FCM)聚类方法，对多光谱静止卫星(GMS-5)图像进行了云分类试验，得到了比较合理的分类结果。该方法利用不同光谱通道的卫星云图光谱特征构造出一个二维光谱特征空问，对云图在特征空间上的光谱特征点进行FCM聚类，然后与已知云类样本的特征进行比较，确定出各聚类域的类属，进而得到二维光谱空间的云分类图，实况接收的云图可通过查验特征像素点在分类图中的落区位置来实现云的分类。     

基于分形维数的离线图像分割方法

为了能够提高图像分割的精度,提出了一种基于统计学和分形维数的图像分割方法,能够对自然景物中树木、道路和天空进行分割,并且可以应用于机器人导航的视觉系统.该方法首先通过统计大量的道路和树木和天空的分形维数(LFD),分析三者对应的LFD值分布特点,然后利用该特点对图像进行分割,最后对分割后的图像进行平滑处理,得到分割结果.实验结果表明:利用统计结果进行图像分割能够提高分割速率,而且使用分形维数作为特征能够得到比较精确的分割效果.     

基于胶囊网络的跨领域情感分类方法

情感分析主要基于文本数据研究人们对于商品、服务、事件等对象的情感、意见或者态度.标记数据稀缺是情感分析领域面临的巨大挑战.在有监督的情感分类任务中,标记数据稀少会导致分类器的效果下降.跨领域的方法能够在一定程度上帮助解决该问题,但领域间往往存在差异.因此在利用领域适应方法进行情感分类时,分类器对目标领域的效果会变差.本文提出利用少量的目标领域标记信息来提高目标领域适应效果的思想.特别地,本文提出了一个基于胶囊网络的跨领域情感分类模型,在此基础框架上,设计了额外的胶囊网络层辅助目标领域的适应.在真实数据集上的实验结果表明,本文提出的模型效果优于以往的研究方法.     

基于面向对象的降水粒子识别研究

双偏振雷达的主要用途之一就是降水粒子识别,目前主流的方法为模糊逻辑分类(FL),但是该方法仅使用单个距离库的信息,易受到噪声的影响。基于模糊逻辑方法的不足,利用聚类分析,提出了一种面向对象的降水粒子分类方法,即在模糊逻辑分类基础上考虑距离库与不同降水粒子的距离以及周围距离库类别信息。基于广州S波段双偏振雷达的观测数据进行降水粒子识别验证,结果表明使用的面向对象的降水粒子识别方法可有效地降低噪声对分类结果的影响,且符合降水粒子的微物理特征。     

中国地区卷云分布特征的星载激光雷达遥感

利用2006年6月至2008年5月CALIOP(Cloud-Aerosol LIdar with Orthogonal Polarization)水平分辨率25 km云层产品来研究中国地区的卷云分布特征.所采用的3条基于卷云气候态的质量控制标准能够有效的剔除CALIOP云种分类产品中判别误差.通过卷云水平分布的研究发现...     

融合无人机LiDAR和高分辨率光学影像的点云分类方法

点云分类是激光点云数据处理的重要环节,探索自动、高效、高精度的点云分类方法具有重要意义.通过分析同机获取的LiDAR点云与高分辨率光学影像的特点,提出了融合无人机LiDAR与高分辨率光学影像的点云分类方法.首先将LiDAR点云投影到二维平面并构建不规则三角网模型,然后寻找同名点对完成与光学影像的配准与融合,进而将光学影像的光谱信息赋予无人机LiDAR点云,接着从光学影像上提取光谱特征、从LiDAR点云上提取多尺度几何特征构建分类特征集,进一步通过CFS特征选择算法实现特征集的降维,最后运用随机森林分类算法实现点云分类.实验结果表明,本文分类方法的总体精度可达89.5%,Kappa系数为0.844,与未经特征选择的分类结果相比精度提高了1.1个百分点,与单纯依靠LiDAR或者光学影像的分类相比,精度分别提高了5.4和14.9个百分点.本文方法不仅有效避免了基于点云属性内插构建新的图像融合方式带来的计算误差,同时解决了单尺度下构建几何特征时难以确定最优空间分析尺度的问题,并且对特征集进行优化选择从而有效提高了数据处理的效率.     

利用FY-1D全球数据监测北极冰雪覆盖

利用FY-1D极轨气象卫星全球数据(GDPT)4个通道资料选取了北极冰雪样本2 366个、云2 024个,陆地1 602个,水体1 648个,分析各类别的光谱特征和纹理特征,利用光谱特征从图像上识别出陆地、水体和部分云,根据冰雪和云纹理特征不同用贝叶斯判别方法建立类别判别函数进一步对北极冰雪与云进行分类,然后通过5 d合成,得到北极地区完整的冰雪覆盖范围.所得结果与NOAA/NESDIS的IMS提供的北半球日积雪产品检验分类结果相比较,一致率达到70 %以上.     

基于Faster R-CNN的食品图像检索和分类

面向食品领域的图像检索和分类等方面的研究成为多媒体分析和应用领域越来越受关注的研究课题之一.当前的主要研究方法基于全图提取视觉特征,但由于食品图像背景噪音的存在使得提取的视觉特征不够鲁棒,进而影响食品图像检索和分类的性能.为此,本文提出了一种基于Faster R-CNN网络的食品图像检索和分类方法.首先通过Faster R-CNN检测图像中的候选食品区域,然后通过卷积神经网络（CNN）方法提取候选区域的视觉特征,避免了噪音的干扰使得提取的视觉特征更具有判别力.此外,选取来自视觉基因库中标注好的食品图像集微调Faster R-CNN网络,以保证Faster R-CNN食品区域检测的准确度.在包括233类菜品和49 168张食品图像的Dish-233数据集上进行实验.全面的实验评估表明：基于Faster R-CNN食品区域检测的视觉特征提取方法可以有效地提高食品图像检索和分类的性能.     

决策树在遥感影像分类中的应用

在充分了解决策二叉树分类过程的基础上, 以西藏波密地区的TM遥感影像为研究对象, 提取并分析各种典型地物的反射光谱特征, 利用不同地物的光谱差异并结合人工目视判读建立了一组能够精确、快速划分遥感影像的分类规则。用ENVI建立分类决策树对实验区遥感影像进行分类, 并将分类结果和传统的最大似然法相比较。结果表明:决策树分类的总体精度和Kappa分别为97.15%和0.9644, 优于传统的最大似然法, 取得了较为满意的分类结果。      

决策树在遥感影像分类中的应用

在充分了解决策二叉树分类过程的基础上,以西藏波密地区的TM遥感影像为研究对象,提取并分析各种典型地物的反射光谱特征,利用不同地物的光谱差异并结合人工目视判读建立了一组能够精确、快速划分遥感影像的分类规则。用ENVI建立分类决策树对实验区遥感影像进行分类,并将分类结果和传统的最大似然法相比较。结果表明：决策树分类的总体精度和Kappa分别为97.15%和0.9644,优于传统的最大似然法,取得了较为满意的分类结果。     

基于视觉注意的动态阈值分割算法

提出一种基于视觉注意机制的动态阈值选取方法.首先按人眼视觉注意特点计算各图块的显著性特征值,根据显著性特征值将图像块进行分类,然后利用最大类间方差法和多尺度的自适应阈值方法分别实现不同灰度特性区域的图像动态分割.实验结果表明:该方法能够实现图像多阈值的自动选取,不受照明条件的影响,能够获得满意的二值分割效果.     

沿海湿地植被遥感分类研究

沿海湿地植被遥感分类是遥感在土地利用变化研究领域的一项重要内容,本文以江苏盐城沿海湿地核心区为研究区域,探讨了利用遥感技术进行湿地植被分类的方法和技术流程。在此基础上,以Landsat-5TM图像为遥感数据源,以盐城丹顶鹤湿地保护区样点数据为辅助数据,分别用非监督分类法、监督分类法与基于LBV变换的分类法,对研究区进行分类,并对各种分类方法的结果进行精度分析。结果表明,非监督分类的结果最差,特别是对芦苇,其错分误差达到51．65％。监督分类法的精度虽然高于非监督分类,但其制图精度只有66．56％。而基于LBV变换分类法能够有效解决关于米草和芦苇的错分现象,它对其他地物的分类精度也很高,基本上都在90％以上。总体来说,LBV变换法已经达到了核心区分类的精度要求。     

多模态融合的家庭音乐相册自动生成

随着大数据以及社交网络的发展,电子相册与在线服务成为如今人们使用计算机与互联网的基础应用.尤其是近年社交网络的流行,电子相册的数量得到了爆炸增长,而如何增强相册的用户体验变得尤为重要.具有某种主题的相册一般都带有一定的情感信息,因此,本文研究了基于多模态融合的家庭音乐相册自动生成问题,旨在使用户能够在享受音乐的同时配以与音乐情感相同的相册图片.针对音乐与图片中所蕴含的情感,本文在音乐和图像中分别选取能够表达其情感的句子级别的音频特征和图像特征,然后在图像与音乐之间异构和跨模态的特征融合问题上,采用局部保持投影（LPP）方法,将图像特征与音乐特征映射到更具情感分类能力的隐式特征空间中,实现了音乐相册的自动生成.在实验中,客观评测结果表明,采用LPP方法在查准率方面高于纯CCA方法;在主观评测中LPP获得72.06%的满意度,与人工推荐的评价结果（78.09%）比较接近,明显高于随机推荐和CCA方法的满意度.     

南京地区霾预报方法试验研究

支持向量机(SVM)方法是基于统计学理论的一种新的机器学习方法,对解决小样本条件下的非线性问题非常有效.利用2004～2007年南京站的逐日常规观测资料以及同期南京市环境质量监测点的逐日污染物浓度资料,使用SVM分类和回归方法分别建立了南京地区霾日分类预报模型和有霾日14时(北京时间,下同)能见度预报模型.预报试验结果...     

基于作物双时相遥感特征的花生种植区提取

基于花生生长中后期2020年8月1日和15日两个时相高分多光谱数据,构建40个作物分类遥感特征,采用ReliefF-Pearson方法优选出15个特征,构造作物可分的4种特征空间.采用最大似然分类法、支持向量机和随机森林分类器,分别耦合4种特征空间,开展作物分类对比试验,进行分类精度和景观评价提出作物双时相遥感分类模型...     

毫米波雷达云回波的自动分类技术研究

毫米波雷达在云探测方面比厘米波天气雷达和激光雷达具有显著优势,可获得更多的云粒子信息,是研究云特性的主要遥感探测设备。为了开展对毫米波雷达探测的云回波进行自动分类的研究,利用161次云回波的个例数据,统计得到了卷云、高层云、高积云、层云、层积云和积云6类云型的特征量和其他参量的数值范围,利用分级的多参数阈值判别方法,达到了自动分类的目标,通过与人工分类的初步验证,两种分类结果的一致性达到84%,其中,层云和积云的识别一致较低的原因在于样本数据有限,仅有6次层云和8次积云的个例样本数据。通过更多样本的处理,提取的特征参量更可靠,自动分类的准确率会得到提高,以便将基于毫米波雷达的云分类技术应用于将来的云观测自动化业务。      

基于云雷达资料的那曲对流云粒子相态识别研究

本文利用第三次青藏高原大气科学试验的Ka波段云雷达资料,结合微波辐射计和探空资料,提出了以模糊逻辑算法为框架的相态识别方法,并利用那曲两个典型对流云个例对方法效果进行了分析。通过与前人方法的对比和对不同相态粒子回波强度谱的统计,进一步验证了本文方法的可靠性。结果表明:利用雷达功率谱资料反演下落末速度并代替径向速度作为相态识别的参量之一,可提升对流云内粒子相态分类结果的合理性。零度层亮带和抬升凝结高度参量的使用,能够进一步优化相态识别的初步结果。固态云粒子的下落末速度远低于相同反射率因子的降水粒子,多模态/多谱峰的谱形态特征能够帮助识别混合相态粒子。     

基于高分卫星影像的复杂山区光伏电站信息提取

该文基于高分卫星资料,通过基于规则的面向对象分类、基于最邻近法的监督分类及基于CART分类器的监督分类三种不同分类方法,对复杂山区光伏电站进行提取,对比三种分类提取方法结果并完成精度验证。结果表明,合理的分割参数有利于提高光伏电站提取精度;基于规则的面向对象分类法光伏电站提取精度最佳,最邻近分类法次之,CART分类器分类法最差,可利用基于规则的面向对象分类法较为准确地进行复杂山区光伏电站信息提取,为光伏产业健康、合理发展提供一定的数据支撑。     

基于三维骨骼信息的动态手势识别

手势识别作为人机交互的有效手段,成为当前研究的热点话题.针对动态手势识别存在时空多变性、特征复杂性等问题,本文提出了一种基于三维骨骼信息的动态手势识别方法.动态手势具有时间上的差异性和复杂性,极大地影响了动态手势识别的准确率.因此,本文设计了一种动态手势关键帧提取算法,该算法可以提取动态手势关键部分,用于进一步的特征提取.另外,单独分类器的分类效果存在差异性,本文采用多个分类器同时对手势特征进行分类,充分利用了所提取的特征.同时,本文还提出了一种自适应融合算法,可以根据分类精度有效融合不同分类器,提高最终分类效果.最后,通过实验验证了本文提出的动态手势识别框架和方法的有效性.