基于ENVI的遥感影像监督分类方法的研究

随着遥感技术的发展和遥感图像采集方式的多样性,对遥感图像处理技术的要求更高。文章介绍了三种常见的监督分类算法:支持向量机、最大似然法、BP神经网络;并利用上述三种算法对南泥湾地区同一幅SuperView-1遥感影像进行了分类,获得分类解果并评估准确性;然后对三种算法进行了比较,分析三种算法的优缺点,得出支持向量机分类精度最低,最大似然法次之,神经网络最高;最后得出结论,BP神经网络是一种较为优良的遥感影像分类算法。     

ENVI中几种监督分类方法精度比较

遥感图像的监督分类常用方法目前可以分为:平行六面体法,马氏距离法,最大似然法,神经网络法以及支持向量机法等。文章将就以上所述的五种常用的监督分类方法在ENVI中分别对汶川县威州镇同一Landsat8 OLI数据进行土地覆盖与利用状况分类.比较各种方法的分类精度,并对之所产生的差异的原因进行浅析,进而对实际的生产以及应用做出借鉴。     

基于TM影像的明水县农业用地变化监测研究

本研究选择明水县为研究区,选用TM影像为主要数据源,利用最大似然法对研究区的遥感影像进行分类,获得明水县土地利用情况。对明水县近20年农业用地情况进行动态变化研究。     

基于数据融合策略植物油光谱模式的识别

为实现对不同植物油的快速无损分类识别,探究数据融合技术在提升光谱分类模型精度方面的可行性与应用价值,借助衰减全反射-傅里叶变换红外光谱技术、表面增强拉曼光谱技术结合多源数据融合技术,开展了对7种共计180份植物油样本的分类识别。基于单一光谱模型、数据层融合模型和特征层融合模型,比较了Bayes判别分析(BDA)和多层感知器神经网络(MLP)两种化学计量学方法在区分各样本时的差异,同时考察了主成分分析、广义最小平方、最大似然、主轴因式分解4种算法在特征提取方面的差异。结果表明,光谱数据融合在识别植物油方面具有显著的优势,BDA模型对各样本的区分能力强于MLP模型,相较于其他3种算法,主成分分析在油样特征提取方面展现了较为理想的结果。基于PCA特征提取的特征层融合BDA模型为最佳识别模型,以此实现了180份植物油样本100%的准确区分,同时对5种品牌花生油达到了100%的准确区分,实现了对各样本“种类-品牌”的两级识别分类工作。     

贝叶斯网络及其在白酒安全预警中的应用

近年来,白酒安全问题日益凸现,影响人们身体健康和白酒行业发展,白酒安全预警日益重要。本文以食药监局的监测数据为样本,研究基于贝叶斯网络的白酒安全预警方法。从可能影响白酒质量安全的金属污染物、农药残留、食品添加剂、品质指标、微生物污染和非食用物质6个方面的因素进行分析,划分食品安全状况等级与预警指标,运用最大似然估计算法和贝叶斯网络建立白酒食品安全预警模型,使用MATLAB软件进行仿真实验,对白酒危害因子的风险值和白酒食品安全的风险程度分类预测。结果表明,贝叶斯网络在白酒食品安全风险预警中具有较高的准确率,是一种能准确、稳定实现白酒食品安全风险预警的算法,有助于为政府监管提供决策支持,丰富食品安全预警技术方法。     

基于贝叶斯网络的酱卤肉制品安全预警研究

目的简要介绍贝叶斯网络基本概念和算法,建立贝叶斯网络预警模型对酱卤肉制品进行安全预警。方法利用领域专家知识对可能影响酱卤肉食品安全的重金属污染物、兽药残留、食品添加剂、微生物、非食用物质5个方面的因素进行分析,划分食品安全状况等级与预警指标;运用最大似然估计算法和贝叶斯网络建立酱卤肉制品安全预警模型结构,使用VS code软件进行仿真实验,对酱卤肉制品安全的风险程度进行分类预测。结果贝叶斯网络模型得到的酱卤肉制品总体情况与实际的数据统计值的误差在0.005-0.006的范围内,属于合理误差范围。BP神经网络和贝叶斯网络的平均准确率分别为0.85和0.99。在此次实验中,贝叶斯网络的准确率较高。结论在小样本情况下,贝叶斯网络在酱卤肉制品安全风险预警中具有较高的准确率,是一种能准确、稳定实现酱卤肉制品安全风险预警的算法,且方法优于BP神经网络。     

基于多种差异影像算法改进回溯土地覆被变化检测方法的探讨

近年来,回溯分析方法已经越来越多地应用于自动化变化分析和分类研究中。以兰州市2008和2017年两期Landsat影像为例,分别采用基于PCA、基于CVA和基于FCM的回溯分析方法获得兰州市2008-2017年间的土地覆被分布和变化情况并对其结果进行对比,分析了不同的差异影像算法在回溯分析中的适应性。结果表明基于FCM的回溯分析方法的结果最好,分类总体精度达到88.5%,变化检测结果总体精度达到83.8%;基于CVA的回溯分析方法次之,因存在漏检现象导致分类总体精度为86%,变化检测结果总体精度不足80%;而基于PCA的回溯分析方法精度最低。通过采用FCM算法有效改善土地覆被变化检测结果中的漏检现象,从而获得精度较高的分类及变化检测结果。     

MIMO-OFDM系统传统信号检测算法

MIMO-OFDM系统接收端信号检测算法是目前研究的热点,在本章中将对现在研究领域中基础的几种信号检测算法进行研究及结果分析。从而得出各种算法的优劣性。文章主要研究几种典型的MIMO-OFDM信号的常规检测算法:最大似然(ML)信号算法、迫零(ZF)信号算法、最小均方误差(MMSE)信号算法、V-BLAST信号算法。     

全球地表覆盖产品林地类型融合:以美国为例

近年来,很多学者提出了融合多种地表覆盖产品的方法,以生产出空间一致性较好且精度较高的分类产品。文章以美国区域为研究对象,使用基于模糊理论的方法将三种源数据NLCD 2011、FROM-GLC-seg、Globcover2009_V2.3_Globald的森林类进行融合,将Globe Land30(2010)林地类型划分成针叶林、阔叶林、混交林。在新图像中,阔叶林、针叶林、混交林用户精度分别达到77%、74%、69%。     

语音截止频率在语音识别中的应用

语音识别系统往往会受到说话人的改变、信道失真、环境噪声等各种因素的干扰,从而导致预先训练的声学模型与实际环境语音的特征参数之间存在较大的差异,这会严重影响语音识别系统在实际环境下的识别性能。由于噪声主要影响语音的高频非周期部分,传统的最大似然线性回归算法在噪声自适应中难以取得令人满意的效果。文章提出了一种基于语音截止频率的最大似然线性回归算法,以当前测试环境的语音截止频率为频率上限,提取测试语音的特征参数;然后,将声学模型每个高斯单元的均值和方差从倒谱域变换到对数谱域,根据语音截止频率,忽略其高频分量,再变换回倒谱域;最后,根据测试环境下的少量自适应数据,利用最大似然线性回归算法对声学模型的参数进行调整,使其与当前环境相匹配。     

基于改进Faster R-CNN模型的水果分类识别

目的：提高水果类别识别准确率。方法：基于改进Faster R-CNN模型建立水果识别方法。使用正则化方法对高维参数进行权重衰减,以有效解决训练过程中可能出现的过拟合问题;在Faster R-CNN框架中添加两个损失函数：一个似然函数和一个正则化函数,以优化卷积层和池化层;以最小二乘法求解水果识别的目标函数;利用准确率、回召率、精度和F1分数对训练好的水果识别方法进行水果识别效果评估。结果：所提出的方法对水果识别的准确率、精度和回召率达到99.69%,0.996 8,0.994 8;与其他8种水果识别方法相比,所提出方法对水果识别的准确率、精度和回召率至少提高了0.91%,1.32%,0.51%。结论：该方法可准确识别水果种类。     

土地利用/覆被变化及人文驱动机制研究——以拉萨市为例

文章基于1999年和2009年拉萨地区landsat5 TM卫星影像对拉萨地区进行了地物类型解译分类,并结合拉萨地区1999年至2009年的人文、经济、社会、以及相关政策等对拉萨地区进行了土地利用/覆被变化的人文驱动力分析。因此文章从分析结果可以看出:拉萨地区1999年-2009年间变化最大的是林地,变化最小的是耕地;拉萨地区仍有大量的未利用土地,这些土地都大部分分布在山地里,可以通过植树造林的方式对这些未利用地进行开发改造;主要影响拉萨地区土地利用变化的有人口因素、经济因素、城市化建设因素、以及其他因素,也反映出拉萨地区土地利用/覆被变化情况,主要是往城市外围、河流两岸发展;在退耕还林政策的号召下,拉萨地区林地覆盖大面积增加,以每年60%的速度增加。通过这次对拉萨地区的土地利用/覆被变化及人文驱动力研究,希望能为未来拉萨的城市发展提供建设性的意见。     

基于SPOT6卫星影像和随机森林模型的土地利用精细分类研究

文章利用SPOT6卫星影像数据和随机森林模型对城市土地利用进行精细化分类研究。首先,利用Gram-Schmidt法将SPOT6卫星影像的1.5m全色数据和6m多光谱数据进行融合,然后采用面向对象软件分类方法进行多尺度分割,通过交互式确定最优分割尺度和分割参数,对分割后的影像对象采用随机森林模型分类进行10类地物分类实验,并与传统的最近邻分类方法对比。结果表明,利用随机森林模型分类方法得到了非常好的分类结果,其分类精度达到87.46%,Kappa系数是0.855,比最近邻分类方法的分类精度和Kappa系数分别提升了7%与0.06。研究结果可为SPOT6卫星影像数据的未来应用提供借鉴和参考。     

视觉点胶机的摄像机标定技术

结合角点检测,提出适用于视觉点胶机的一种摄像机标定方法,通过角点检测对平面标定板的多个视角图片特征点采样,选取图像外围构成矩形的四个角点位置,建立一坐标系。对图像中每个矩形单元角点提取,计算单应性矩阵,并结合非线性几何畸变模型畸变校正,得出视觉点胶完整的成像模型,求解出摄像机内参数,通过最大似然估计进行优化调整后,由L-M算法(Levenberg-Marquardt Algorithm)将参数收敛,进而求出摄像机外参数。该标定方法不需要高成本的立体模型标定物,操作简单,且降低了求解内外参数的复杂度却不失精度。利用三轴直线机器人对标定结果的精度进行了验证。结果表明,采用该标定方法精度偏差小于0.3mm,满足视觉点胶系统的要求,也适用于机器视觉系统检测、焊接等工业领域。     

基于GF-1/2影像数据的烟草种植区信息遥感监测

为解决我国南方山区自然烟田地块较小、空间分布破碎且与其他农作物混杂，遥感调查精度低、受多云雨天影响大的难题，利用我国高分遥感卫星，开展多源、多时相遥感数据与面向对象分类相结合的烟草种植区提取方法，以毕节市七星关区大河乡为试验区，构建面向对象分类过程，并同基于像元的最大似然（ML）、神经网络（NN）和支持向量机（SVM）等方法进行对比。结果表明，面向对象方法精度最优，其次为ML、SVM以及NN，Kappa系数分别为0.948、0.936、0.930和0.905；此外，面向对象方法提取的烟田地块形状相对完整，有效避免了“椒盐现象”，视觉效果明显优于基于像元方式。面向对象的分类方法结合高分遥感星座可以准确地提取我国南方烟草种植区分布信息，从而有助于烟草的宏观管理、调控与决策。     

基于高分辨率SAR数据的高原山区烟草后向散射特征分析

为实现高原山区现代烟草定量监测,针对贵州高原山区天气多云雨,导致光学数据难以获取,提出一种利用高分辨率合成孔径雷达（SAR）应用于烟草快速监测的方法。结果表明,利用不同地物后向散射特征差异,采用支持向量机分类方法提取烟草种植分布情况,分类总精度达到了85.08%,烟草识别精度达到了78.36%;运用回归分析,将烟草生长参数与后向散射系数建立监测模型,所建立的叶长、叶宽都与HH极化后向散射系数,叶片鲜重与HH、VV极化后向散射系数的模型都能反映其线性回归的耦合关系。表明高分辨率SAR数据为数据源的新型遥感监测手段能提供丰富的高原山区典型地物的后向散射信息,能为现代烟草农业大范围实时遥感监测提供技术支持。     

误差不独立的变量含误差模型的强相合性

研究了一类误差不独立的变量含误差模型,其中,x∈Rp为非随机解释变量,误差εi(i=1,2…,n)不独立,通过应用最大似然法和特征向量法得出了未知参数估计,在较弱的条件下,证明了估计的强相合性.     

食品安全风险排序研究进展

对食品安全风险排序的目的、概念、步骤、评价指标和计算方法等方面的研究进展进行了归纳和介绍,提出了风险排序面临的挑战和相应的措施建议。风险排序是一种可以用来进行确认、分级并得出最重要风险的技术方法,其目的是为了更好地分配风险管理资源。风险排序的步骤包括危害列表、评价指标确立和计算排序3步。风险排序的指标是在风险排序中用于衡量风险等级的不同维度,针对不同类型的风险需要设定不同的评价指标。在食品安全领域,风险排序主要有基于多种判据排序法和风险期望值排序法两种主要类型,多种判据排序法更适合农产品风险排序,风险期望值排序法更适合食品风险排序。风险排序面临大量不同性质风险同时并存及主观判断干扰等方面的挑战,正确的方式是在排序之前对风险及其性质进行分类,并选择合适的排序方法。     

基于改进OTSU的纸带孔型缺陷检测

提出了一种用于测量纸带孔型的视觉测量算法。算法首先将差因素引入传统分割算法,提出一种改进的最大类间分割算法。其次,对阈值化后的二值图像进行特定区域分块处理,并进行面积统计和边缘定位。最后,将传统的最大类间差法得出面积和边界数据与改进的最大类间差法得出的数据比较。实验结果：结果表明改进算法,分割更加准确有效,提取图像信息更完整能较好地完成对纸带孔型的缺陷检测。     

多层前馈神经网络几种算法的样本顺序敏感性

检测神经网络4种算法(有弹回的算法、OSS算法、LM算法和Regularization算法)的分类能力.结果表明,多层前馈神经网络的分类能力与算法和学习样本顺序有关;OSS算法和LM算法训练的网络分类能力对学习样本顺序最为敏感,且容易产生输出奇异点和宽幅输出波动,Regularization算法训练的网络分类能力对学习样本顺序不敏感;下凸学习样本顺序的OSS算法分类精度最高,网络分类能力最强;递增学习样本顺序的LM算法分类精度最低,网络分类能力最差;不同算法的网络分类能力对学习样本的敏感程度取决于网络权值、阈值的冗余与传递函数的性质.