修车大队一品楼qm论坛51一品茶楼论坛,栖凤楼品茶全国楼凤app软件 ,栖凤阁全国论坛入口,广州百花丛bhc论坛杭州百花坊妃子阁

oe1(光电查) - 科学论文

42 条数据
?? 中文（中国） ▾

  • 基于核完全约束最小二乘法的高光谱图像分类

    摘要： 作为一种广泛应用的分类器，稀疏表示分类（SRC）在高光谱图像分类中展现出良好性能。最新研究表明，正是SRC底层的协同表示机制使其成为高效的分类技术。当测试像素的维度和区分度较高时，除稀疏性(l1范数)外，还可采用其他范数（如l2范数）对编码系数进行正则化。本文证明在核空间中非负约束同样能发挥该作用，因而建议研究核完全约束最小二乘法（KFCLS）用于高光谱图像分类。此外，为通过融合空谱信息提升KFCLS的分类性能，我们采用两种正则化策略研究了两种空谱方法：(1)系数级正则化策略；(2)类别级正则化策略。基于四组真实高光谱图像的实验结果验证了所提KFCLS的有效性，并揭示了在正则化框架中高效融合空谱信息的方法。

    关键词： 最小二乘法、高光谱、稀疏表示、正则化、图像分类、后验概率、协同表示

    更新于2025-09-23 15:21:21

  • 深度卷积表示与核极限学习机在图像分类中的应用

    摘要： 卷积神经网络（CNN）已被证实是图像分类及相关任务的强大模型类别。然而，由于反向传播的局部极小值问题，CNN中的全连接层作为判别深度卷积特征的的分类器时鲁棒性不足。核极限学习机（KELM）作为卓越的分类器，不仅能实现极快收敛，还能确保优异的泛化性能。本文提出一种新颖的图像分类框架，其中CNN与KELM实现良好融合。我们采用密集连接网络（DenseNet）作为特征提取器，同时使用径向基函数核ELM替代线性全连接层作为分类器来判别提取特征的类别，从而提升图像分类性能。在四个公开数据集上进行的实验表明，该框架相比现有最优方法展现出卓越性能。

    关键词： 极限学习机，神经网络，图像分类

    更新于2025-09-23 15:21:21

  • 一种基于扩展多属性剖面和稀疏自编码器的多光谱图像新型光谱-空间分类技术

    摘要： 图像分类是遥感领域的重要课题和具有挑战性的任务。近年来，针对卫星影像提出了多种分类方法，尤其是基于光谱-空间特征提取技术的框架。本文采用多光谱数据特征提取策略，通过结合扩展多属性剖面（EMAP）与稀疏自编码器（SAE）构建新的分类框架：首先利用扩展多属性剖面提取空间信息，再将其与原始光谱信息融合以描述多光谱影像的光谱-空间特性；所得特征作为输入输入至稀疏自编码器，最终将学习到的光谱-空间特征嵌入支持向量机（SVM）进行分类。我们在两幅多光谱（MS）影像上开展实验并构建了对应的真实地物图，基于EMAP与深度学习（DL）的方法在合理运行时间内展现出实现高分类精度的巨大潜力，其性能优于传统分类器及其他分类方法。

    关键词： 遥感、图像分类、扩展多属性剖面、光谱-空间特征提取、稀疏自动编码器、支持向量机

    更新于2025-09-23 15:21:01

  • [2018年IEEE国际多媒体与博览会会议(ICME) - 美国加州圣地亚哥(2018年7月23日-7月27日)] 2018年IEEE国际多媒体与博览会会议(ICME) - 用于图像分类的特征强化网络

    摘要： 近年来，深度学习因其在各类应用中展现的卓越性能而备受关注。多数研究者主要致力于改进和优化网络结构，例如通过构建更深层的网络来从原始数据中提取高层特征。本文提出一种双翼深度卷积网络——特征强化网络（FRN）。其中一翼执行与VGG、ResNet和DenseNet相同的传统操作，另一翼称为特征强化块（FRB），该模块同样进行逐层卷积运算并共享前一层卷积参数（输出层除外）。随后在FRB中采用ReLU函数对特征图进行校正。两翼的输出将整合为下一卷积层的输入。实验证实，所提出的FRN对信息性特征具有更高敏感性。我们在多个多媒体数据集上的实验表明，FRN的性能优于原始深度神经网络。

    关键词： 深度学习，双翼深度卷积网络，特征强化?？?，图像分类

    更新于2025-09-23 15:21:01

  • [IEEE 2018年第24届国际模式识别会议(ICPR) - 中国北京(2018.8.20-2018.8.24)] 2018年第24届国际模式识别会议(ICPR) - 图像分类中的视觉树卷积神经网络

    摘要： 在图像分类领域，随着深度学习的快速发展，卷积神经网络（CNN）模型已取得优异性能。然而图像数据集中某些类别比其他类别更难区分，提升这些易混淆类别的分类准确率有助于整体性能优化。本文基于语义层面的混淆信息构建混淆视觉树（CVT）来识别易混淆类别，通过CVT提供的信息引导CNN训练过程对这些易混淆类别给予更多关注。为此，我们在原始深度CNN中嵌入CVT，提出视觉树卷积神经网络（VT-CNN）。通过在基准数据集CIFAR-10和CIFAR-100上的评估实验，我们构建了3种不同的VT-CNN模型，其分类准确率较基础CNN模型分别提升了1.36%、0.89%和0.64%。

    关键词： 图像分类、卷积神经网络、混淆可视化树、深度学习

    更新于2025-09-23 15:21:01

  • [IEEE 2018年第24届国际模式识别会议(ICPR) - 中国北京(2018.8.20-2018.8.24)] 2018年第24届国际模式识别会议(ICPR) - 重新训练：提高深度神经网络图像分类集成精度的简单方法

    摘要： 本文提出一种新的启发式训练方法，帮助深度神经网络（DNN）反复跳出局部极小值并迁移至更优的局部极小值。该方法通过多次重复以下过程：在保留已收敛DNN其余层权重的同时随机重置最后一层权重，随后开展新一轮训练。其核心思想是使新一轮训练能基于前轮学习获得的"优质"初始参数来优化参数?；诒狙盗妨鞒潭远喔鏊婊跏蓟腄NN进行训练后，我们可获得比常规训练方法更精确且更具多样性的DNN集成模型，该框架称为"再训练"。八种DNN模型的实验表明，本方法普遍优于当前最先进的集成学习技术。我们还提供了两种再训练框架变体，分别适用于：1）DNN呈现极高训练准确率（如>95%）的集成学习任务；2）DNN训练计算成本过高的集成学习任务。

    关键词： 集成学习、重新训练、局部最小值、深度神经网络、图像分类

    更新于2025-09-23 15:21:01

  • 高分辨率卫星数据的云掩膜技术：一种基于光谱与纹理特征的神经网络分类器

    摘要： 云掩膜是遥感中极为重要的应用，也是任何信息提取应用的必要预处理步骤。它有助于估算图像的可利用部分。许多流行的光谱分类技术依赖于短波红外波段或更长波长波段的存在来区分云层与其他地物覆盖。然而，这些方法仅适用于配备长波长波段的传感器。本文尝试采用具有可见光和近红外波段高分辨率多光谱传感器的Cartosat-2系列（C2S）卫星，提出一种通用且高效的技术。该方法基于现有光谱背景的纹理特征，并建议使用前馈神经网络进行分类。对于包含超过200万个数据点的大型人工预分类验证数据集，该方法显示出97.98%的整体准确率。实验结果及为各种场景生成的云掩膜表明，该方法可作为C2S数据的合理云掩膜算法具有可行性。

    关键词： 云掩膜，前馈网络，高分辨率卫星数据，图像分类，人工神经网络，灰度共生矩阵纹理

    更新于2025-09-23 15:21:01

  • [2019年IEEE国际射频识别技术与应用会议(RFID-TA) - 意大利比萨(2019.9.25-2019.9.27)] 2019年IEEE国际射频识别技术与应用会议(RFID-TA) - 一种用于近场毫米波传感应用的波导发射阵列天线

    摘要： 微型高光谱成像传感器正逐步应用于小型无人机平台?；谥「袷降某上窦际跸啾却掣吖馄淄粕ㄊ缴枰蔷哂邢灾攀啤ü交袢∧勘耆负谓峁褂攵嗍咏歉吖馄追瓷涮卣?，大幅提升了数据处理与解译潜力。本研究旨在评估基于可调谐法布里-珀罗干涉仪(FPI)的新型可见光/近红外(VNIR)与短波红外(SWIR)高光谱帧相机，在泥炭生产区三维数字表面模型构建及地表含水量测量中的性能表现。实验采用地面采样距离(GSD)分别为15厘米(SWIR)、9.5厘米(VNIR)和2.5厘米(消费级RGB)的无人机影像区块进行采集。地理配准结果显示FPI相机具有良好的一致性，精度均优于对应GSD值。当采用1246纳米SWIR波段与859纳米VNIR波段的反射率差值进行含水量估算时，获得最佳精度指标：均方根误差(RMSE)为5.21个百分点(pp，即质量分数百分比点)，归一化RMSE为7.61%。该结果表明基于无人机的遥感技术能显著提升泥炭生产的作业效率与环境安全性。

    关键词： 辐射测量、图像分类、地理信息系统、光谱学、校准、几何学、立体视觉、?？胤苫?、遥感

    更新于2025-09-23 15:19:57

  • 基于等离子体耦合增强的低检测限光纤免疫传感器

    摘要： 微型高光谱成像传感器正逐步应用于小型无人机（UAV）平台。基于帧格式的成像方案相比传统高光谱推扫式扫描仪具有显著优势——通过同步获取目标三维几何结构、多视角图像及高光谱反射特征，大幅提升了数据处理与解译潜力。本研究旨在评估基于可调谐法布里-珀罗干涉仪（FPI）的新型可见光/近红外（VNIR）与短波红外（SWIR）高光谱帧相机，在测量泥炭生产区三维数字表面模型及地表含水量方面的性能表现。实验采用地面采样距离（GSD）分别为15厘米（SWIR）、9.5厘米（VNIR）和2.5厘米（消费级RGB相机）的无人机影像区块进行数据采集。地理配准结果显示FPI相机具有良好的一致性，精度均优于对应GSD指标。当采用1246纳米SWIR波段与859纳米VNIR波段的反射率差值进行含水量估算时，获得最佳精度：均方根误差（RMSE）为5.21个百分点（pp指质量分数百分比点），归一化RMSE为7.61%。该结果表明基于无人机的遥感技术能显著提升泥炭生产的效率与环保水平。

    关键词： 校准、辐射度量学、几何学、图像分类、立体视觉、遥感、?？胤苫?、光谱学、地理信息系统

    更新于2025-09-23 15:19:57

  • [IEEE 2019年传感器会议 - 加拿大魁北克省蒙特利尔（2019.10.27-2019.10.30）] 2019年IEEE传感器会议 - 用于锂离子电池正负极同步监测的集成光纤技术

    摘要： 我们基于谷歌地球引擎云计算平台，开发了一种全自动物候合成（PBS）分类算法，用于利用中空间分辨率卫星数据进行土地覆盖制图。植被季节性变化（尤其在热带干旱地区）会导致基于单时相影像的传统分类算法出现"误分类"，因为所选日期可能仅反映自然物候周期的特定阶段。PBS分类器通过将发生规则应用于研究区多时相单日影像分类结果，从而分配最适宜的土地覆盖类型。自2013年Landsat 8卫星发射以来，每16天即可获取全球任意地点具有卓越辐射质量的高精度影像。其较高的全球重访频率与开放数据政策，使得PBS这类自动化工具能够实现近实时土地覆盖制图与监测。我们运用该分类器对撒哈拉以南非洲不同生态区的四个?；で捌?0公里缓冲带进行制图以展示初步成果，通过基于网络地理信息系统界面的高分辨率影像目视解译开展精度验证，综合总体精度超过90%，证实了该分类器的潜力及云计算在地理空间科学中的强大效能。

    关键词： 谷歌地球引擎（GEE）、图像分类、物候学、土地覆盖制图、Landsat 8

    更新于2025-09-23 15:19:57