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

110 条数据
?? 中文（中国） ▾

  • [IEEE 2018 OCEANS - MTS/IEEE神户海洋技术展(OTO) - 神户(2018.5.28-2018.5.31)] 2018 OCEANS - MTS/IEEE神户海洋技术展(OTO) - 一种改进的带MPPT的岛屿光伏发电系统建模方法

    摘要： 单纯形最大距离（SMD）算法基于这样的原理：与已知端元构成的单纯形距离最远的像素最可能是下一个端元。然而该算法需要计算单纯形法向量、单纯形与直线的交点等中间变量，导致计算复杂度高。此外，高光谱图像中的高亮度点、异常值及孤立噪声点常被SMD误提取为端元。针对这两项缺陷，本文提出改进单纯形最大距离（ISMD）算法。为简化计算流程，ISMD将像素到单纯形的距离定义为相邻维度平行多面体的体积比。获取所有像素到现有单纯形的距离后，根据光谱角从较大距离的多个像素中筛选相似像素集，通过取平均值得到新端元。通过模拟数据和真实AVIRIS图像评估ISMD算法，在模拟图像中比SMD更准确地提取了真实端元；对于AVIRIS图像，ISMD获取的端元与USGS光谱库对应矿物的光谱角更小。

    关键词： 端元提取、超平面、高光谱图像、单纯形最大距离构型

    更新于2025-09-11 14:15:04

  • 高光谱图像分类的统计检测理论方法

    摘要： 本文提出了一种高光谱图像（HSI）分类的统计检测理论方法，该方法与高光谱图像分类文献中报道的许多传统方法截然不同。它将多目标检测问题转化为多类分类问题，从而可以方便地应用成熟的统计检测理论来解决分类问题。具体而言，分别对应于检测理论中的贝叶斯检测和最大后验概率（MAP）检测，开发了两种类型的分类：先验分类和后验分类。因此，检测概率和虚警概率也可以转化为分类率和由用于分类的混淆分类矩阵导出的错误分类率。为了评估后验分类的有效性，通过MAP分类引入了一个新的后验分类度量，称为精度率（PR），与可以作为先验分类度量并已用于贝叶斯分类的整体准确率（OA）形成对比。实验结果表明，作为贝叶斯分类器在OA方面表现良好的先验分类器，在PR方面作为后验分类器不一定表现良好。也就是说，PR是唯一可以作为后验分类度量来评估分类器性能的标准。

    关键词： 精度率（PR）、高光谱图像（HSI）分类、平均精度（AA）、后验分类、总体精度（OA）、先验分类

    更新于2025-09-11 14:15:04

  • 基于Wasserstein生成对抗网络的高光谱图像无监督特征提取

    摘要： 特征提?。‵E）是高光谱图像（HSI）处理中的关键研究领域。近年来，由于深度学习（DL）在提取空间和光谱特征方面具有强大能力，基于DL的FE方法展现出巨大的应用潜力。然而，大多数基于DL的FE方法属于监督学习，其训练过程严重受限于高光谱图像中标注样本的缺失问题，这制约了监督式DL特征提取方法在高光谱处理中的应用。为解决该问题，本文提出一种改进型生成对抗网络（GAN），用于无监督地训练DL特征提取器。该网络包含生成器和判别器两个组件：生成器专注于数据集真实概率分布的学习，判别器则能有效提取具有优异不变性的空间-光谱特征。为实现自适应学习上采样与下采样策略，生成器采用全反卷积子网络设计，判别器则基于全卷积子网络构建。此外，通过利用生成器与判别器的零和博弈关系，设计了新型极小极大代价函数，实现端到端的无监督GAN训练。该方法还将原始JS散度替换为Wasserstein距离，以缓解GAN框架训练过程中的不稳定性和困难性。三个真实数据集的实验结果验证了所提方法的有效性。

    关键词： 卷积神经网络（CNN）、高光谱图像（HSI）、特征提取（FE）、生成对抗网络（GAN）

    更新于2025-09-11 14:15:04

  • [IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 瓦伦西亚（2018.7.22-2018.7.27）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 一种用于高光谱图像恢复的新型非凸稀疏度量方法

    摘要： 近年来，基于鲁棒主成分分析（RPCA）的方法被用于高光谱图像（HSI）复原，以同时去除包括高斯噪声、脉冲噪声、条纹噪声等多种类型的噪声。然而，大多数RPCA方法采用凸l1范数惩罚项构建优化问题，这会导致对向量中较大元素过度惩罚，从而产生有偏解。本文提出一种新型非凸稀疏正则化器（NonSR），用于度量纯净HSI的低秩结构和噪声的稀疏结构，该正则化器能有效逼近秩函数和噪声稀疏性，而非采用凸l1范数。通过将该稀疏正则化器嵌入RPCA框架，我们构建了一个新模型，增强了同时去除多种类型噪声的能力。此外，基于交替方向乘子法（ADMM）的迭代算法被开发用于高效求解该模型。实验结果表明，所提出的NonSR方法优于当前最先进的高光谱图像复原技术。

    关键词： 非凸稀疏度量、鲁棒主成分分析（RPCA）、复原、高光谱图像（HSI）

    更新于2025-09-10 09:29:36

  • [IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 西班牙瓦伦西亚（2018.7.22-2018.7.27）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 高光谱图像分类的主动流形学习

    摘要： 通过监督方法进行高光谱图像分类常受光谱特征高维特性和训练样本相对稀缺的影响。降维（DR）与主动学习（AL）是分别针对这两个问题而研究的两种技术。考虑到高光谱数据的非线性特性及自适应应用AL的必要性，本文提出将流形学习与主动学习整合至统一框架以同步缓解上述两个问题。具体而言，采用监督等距映射（Isomap）对训练集进行降维，继而通过样本外扩展方法将大量未标记样本投影至先前学习的嵌入空间。最后，在嵌入特征空间中结合k近邻（kNN）分类执行主动学习?；几吖馄资菁系氖笛檠橹ち烁每蚣茉诮滴胩卣骺占溆呕矫娴挠行?。

    关键词： 分类、流形学习、高光谱图像、主动学习、样本外扩展

    更新于2025-09-10 09:29:36

  • [IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 西班牙瓦伦西亚（2018年7月22日-27日）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 基于波段选择技术的蝴蝶兰茎基部镰刀菌枯萎病检测

    摘要： 蝴蝶兰是台湾重要的高经济价值农产品。然而，镰刀菌枯萎病会导致蝴蝶兰叶片发黄、变薄、失水，最终死亡。本文提出一种检测蝴蝶兰茎基部镰刀菌枯萎病的新兴方法。为建立检测模型，我们采集了健康与染病两种状态的蝴蝶兰样本，构建高光谱数据库。通过基于波段优先级（BP）和波段去相关（BD）的波段选择（BS）处理，提取关键波段并消除冗余波段。随后采用正交子空间投影（OSP）、约束能量最小化（CEM）和支持向量机（SVM）三种算法进行镰刀菌枯萎病检测。

    关键词： OSP、SVM、高光谱图像、蝴蝶兰、波段选择、尖孢镰刀菌萎蔫病、CEM

    更新于2025-09-10 09:29:36

  • [IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 西班牙瓦伦西亚（2018.7.22-2018.7.27）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 基于超分辨率技术的高光谱图像亚像素制图

    摘要： 高光谱图像具有丰富的光谱信息，但空间分辨率相对较低。这可能导致混合像素和亚像素目标的出现。为了提高高光谱图像分析所提供信息的可靠性并使结果具有实际可用性，需要提升其空间分辨率。由于物理限制和相关成本，通过改进传感器来提高分辨率可能并非切实可行的方案。因此，一种有效的解决方法是采用某种形式的高光谱数据后处理技术。这种算法化的分辨率增强被称为"超分辨率"。本文尝试了对高光谱图像进行单幅图像超分辨率处理。研究展示了利用霍普菲尔德神经网络成功实现高光谱图像土地利用/土地覆盖分类的方法，并成功改进了霍普菲尔德神经网络的初始化过程。结果通过视觉观察和统计方法进行了验证。

    关键词： 亚像素制图、高光谱图像、土地利用/土地覆盖、混合像元、超分辨率、霍普菲尔德神经网络

    更新于2025-09-10 09:29:36

  • [IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 西班牙瓦伦西亚（2018年7月22日-2018年7月27日）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 基于加权全变分正则化的非凸低秩近似高光谱图像恢复方法

    摘要： 低秩表示已广泛应用于高光谱图像（HSI）恢复领域。现有涉及低秩问题的研究通常采用核范数惩罚方法，但核范数最小化易导致秩分量过度收缩，从而产生建模偏差。本文引入新型非凸惩罚项以获得无偏低秩近似，同时采用局部空间邻域加权光谱-空间总变分（TV）正则化来保持空间结构信息，并利用稀疏l1范数作为稀疏噪声约束条件。最终提出一种创新的高光谱图像非凸低秩松弛恢复模型。大量实验表明，该方法能有效去除混合噪声，获得具有更强鲁棒性的无偏估计结果。

    关键词： 高光谱图像（HSI）、全变分（TV）、低秩表示、非凸松弛

    更新于2025-09-10 09:29:36

  • [IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 西班牙瓦伦西亚（2018年7月22日-7月27日）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 基于建模波段依赖非线性的高光谱非线性解混

    摘要： 波长依赖性非线性是高光谱解混中的一个关键问题，过去一直被忽视。本文提出了一种分波段非线性解混方法，采用扩展多线性混合模型来解释各波段不同程度的非线性贡献。此外，通过利用包括丰度稀疏性和非线性参数平滑性在内的正则化项来构建优化问题，从而获得更好的解混结果。最后，采用交替方向乘子法实现解混。在模拟和真实高光谱数据上的实验结果表明，所提方法不仅能提高解混精度，还能揭示各波段非线性的变化情况。

    关键词： 扩展多线性混合模型、非线性光谱解混、约束优化、高光谱图像、波长非线性

    更新于2025-09-10 09:29:36

  • [IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 西班牙瓦伦西亚（2018年7月22日-7月27日）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 基于混合神经网络的高光谱图像分类

    摘要： 卷积神经网络（CNN）能够提取空间语义特征，在许多计算机视觉任务中表现出色。本文提出混合神经网络（HNN），可在同一深度网络中同时提取空间与光谱特征。该网络由不同类型的隐藏层构成，包括空间结构层、空间上下文层和光谱层。这些层级作为有机整体网络运作，从高光谱数据中挖掘尽可能多的有效信息用于分类。实验结果表明，该方法性能优于其他最先进的神经网络方法。此外，该方案为利用深度网络处理多维数据提供了新途径。

    关键词： 监督分类、特征学习、高光谱图像（HSI）、卷积神经网络（CNN）

    更新于2025-09-10 09:29:36