结合稀疏识别的自适应Wallis滤波在高分辨率影像控制点匹配中的应用

目的：随着国内遥感卫星的迅速发展,卫星图像的图幅越来越大,分辨率越来越高。在轨遥感图像的几何精度评价,要求从待评遥感图像和多源参考图像之间精确地提取出分布均匀的控制点信息。使用Wallis滤波对高分辨率影像进行增强时,会产生过增强和饱和现象,影响了控制点提取效果。为了克服上述缺陷,提出了一种基于稀疏识别的自适应Wallis图像增强算法。方法：首先计算图像子区域的辐射质量参数并构建分类特征;然后通过稀疏识别算法确定子区域的地物类型;最后根据子区域所属地物类型,选择不同的Wallis滤波参数,实现整幅图像的自适应增强,并在增强的遥感图像上提取控制点信息,实现遥感图像的几何精度自动化评价。结果：针对资源三号影像的实验结果表明,针对不同的子区域地物类型进行自适应Wallis增强,有效防止了基于全局统一参数的Wallis滤波带来的过增强和饱和现象,有效增强了高分辨率图像的纹理。结论：本文提出来一种新的高分辨率遥感影像增强策略,增强了高分辨率图像的纹理,提高了控制点的获取数目和准确率。     

SURF算法和RANSAC算法相结合的遥感图像匹配方法

综合利用了SURF(speeded up robust features)算法和RANSAC(random sample consensus)算法各自的优势,提出了一种SURF算法和RANSAC算法相结合的遥感图像匹配方法。首先利用SURF算法提取特征点并进行预匹配,然后用RANSAC算法剔除误匹配点对,解决了SURF算法中存在的误差匹配和错误匹配问题。通过实验验证了所提算法的有效性,并且该算法在实际应用中也取得了良好的效果。     

改进的最大和分散式协调算法

大规模信息系统的协调问题正成为新兴的研究热点,最大和协调算法显示了在该领域的应用前景,然而其收敛速度和鲁棒性有待进一步提高。针对以上问题,提出一种可用于合作系统中的基于混沌的分散式信息传递算法,并通过图形着色问题验证了该算法的有效性。在该算法中,首先利用混沌序列丰富的时空动态性,产生最大和协调算法的节点信息;然后依据优化后的效用值表和更新规则对节点信息进行交互,完成算法的迭代。通过与传统最大和协调算法的对比实验结果分析,改进的算法不仅解决了传统最大和协调算法的计算瓶颈,而且在收敛速度及鲁棒性方面有着更好的表现。     

基于混沌序列的最大和分散式协调算法

大规模信息系统的协调问题正成为新兴的研究热点,最大和协调算法显示了在该领域的应用前景,然而其收敛速度和鲁棒性有待进一步提高。针对以上问题,提出一种可用于合作系统中的基于混沌的分散式信息传递算法,并通过图形着色问题验证了该算法的有效性。在该算法中,利用混沌序列丰富的时空动态性,产生最大和协调算法的结点信息。然后依据更新规则对结点信息进行交互,完成算法的迭代。通过与传统最大和协调算法和遗传算法的对比实验结果分析,该算法在收敛速度及鲁棒性方面有着更好的表现。     

卷积神经网络下的Twitter文本情感分析

随着社交网络的日益普及,基于Twitter文本的情感分析成为近年来的研究热点。Twitter文本中蕴含的情感倾向对于挖掘用户需求和对重大事件的预测具有重要意义。但由于Twitter文本短小和用户自身行为存在随意性等特点,再加之现有的情感分类方法大都基于手工制作的文本特征,难以挖掘文本中隐含的深层语义特征,因此难以提高情感分类性能。本文提出了一种基于卷积神经网络的Twitter文本情感分类模型。该模型利用word2vec方法初始化文本词向量,并采用CNN模型学习文本中的深层语义信息,从而挖掘Twitter文本的情感倾向。实验结果表明,采用该模型能够取得82.3%的召回率,比传统分类方法的分类性能有显著提高。