高光谱遥感图像空谱联合分类方法研究

在遥感影像研究领域里,高光谱数据分类是一个热点问题。近年来,在这个问题上涌现出很多研究方法,然而,大多数方法都是用浅层的方法提取原始数据的特征。将深度学习的方法引入高光谱图像分类中,提出一种新的基于深信度网络(DBN)的特征提取方法和图像分类架构用于高光谱数据分析。将谱域-空域特征提取和分类器相结合提高分类精度。使用高光谱数据进行实验,结果表明该分类器优于当前的一些先进的分类方法。此外,本文还揭示了深度学习系统在高光谱图像分类研究中具有的巨大潜力。     

结合对抗训练和特征混合的孪生网络防御模型

神经网络模型容易受到对抗样本攻击。针对当前防御方法侧重改进模型结构或模型仅使用对抗训练方法导致防御类型单一且损害模型分类能力、效率低下的问题,提出结合对抗训练和特征混合训练孪生神经网络模型(SS-ResNet18)的方法。该方法通过线性插值混合训练集样本数据,使用残差注意力模块搭建孪生网络模型,将PGD对抗样本和正常样本输入不同分支网络进行训练。在特征空间互换相邻样本部分输入特征以增强网络抗干扰能力,结合对抗损失和分类损失作为网络整体损失函数并对其进行标签平滑。在CIFAR-10和SVHN数据集上进行实验,该方法在白盒攻击下表现出优异的防御性能,黑盒攻击下模型对PGD、JSMA等对抗样本的防御成功率均在80%以上;同时,SS-ResNet18模型时间花销仅为子空间对抗训练方法的二分之一。实验结果表明,SS-ResNet18模型能防御多种对抗样本攻击,与现有防御方法相比,其鲁棒性强且训练耗时较短。     

一种基于颜色特征的图像检索方法

随着大量图像数据库的广泛应用,使得图像检索成为图像资源管理和检索的一个研究热点.传统的基于颜色特征的固定分块的方法在进行相似性匹配时比较对应子块的颜色特征,各子块间的约束关系较强,对图像的旋转也较敏感,利用循环队列的数据结构对固定分块的方法进行改进,可以使基于固定分块的方法具有旋转不变性.     

TN型双通道燃烧器在燃用劣质煤锅炉中的应用

针对当前电煤价格升高、煤质下降,许多电厂在燃用劣质煤时,锅炉出现频繁灭火、管壁超温、投油助燃等问题,研制了TN型双通道燃烧器。TN型双通道燃烧器是在原双通道燃烧器原理基础上,增加了“多突扩”和“煤粉浓缩”技术,使更多的煤粉在燃烧器中预热、预燃,其稳燃能力更强。应用TN型双通道燃烧器,可大大提高锅炉的稳燃能力和煤质适应性,降低锅炉助燃油用量,使锅炉运行的安全性和经济性均得到大幅提高,为电力企业降低发电成本提供可靠的技术保障。     

基于联合协同表示与SVM决策融合的高光谱图像分类研究*

针对高光谱图像的分类问题进行了研究,提出一种基于联合协同表示（JCR）与支持向量机（SVM）模型的决策融合分类方法。首先采用联合协同表示模型对样本与字典进行多元素分解并分别进行相应的协同表示,自适应的学习多元素的残差权重并进行线性加权。其次用灰度共生矩阵计算出的统计特征量来训练多类SVM分类器。最后建立一种乘法融合规则将JCR与SVM相结合。在两个标准数据集上的实验结果表明该方法比其他方法具有更好的性能。     

基于改进的局部保持投影高光谱图像分类研究*

针对高光谱图像分类中基于流形的降维方法进行了研究。提出一种改进的局部保持投影（LPP）方法即MLPP方法。该方法利用标签信息避免了传统LPP在邻接图构建中很难确定的邻域大小的选择问题,同时采用更能反映高维数据间相关性的统计特征量相关系数来衡量数据之间的相似程度。设计的权重矩阵既保持类内数据的几何结构,又最大化类间距离。而且MLPP不依赖任何参数和先验知识。在两个高光谱图像上的实验结果表明MLPP增加了不同光谱特征地物之间的可分性,在提高分类性能上明显优于其他传统的降维方法。     

一种改进的基于彩色图像的颜色直方图算法

针对传统彩色直方图检索方法只考虑了颜色在图像整体上的分布,没有考虑颜色在图像局部上的空间分布的缺点,提出了一种基于同一颜色最大连通面积直方图改进方法。该方法分析了具有相同颜色的像素在空间分布上的差异,在传统直方图中融入了同一颜色构成的最大连通区域的面积信息,达到了较好的检索效果。     

一种火灾报警系统中火焰区域的检测方法

对发生火灾时产生的火焰的图像信息进行了深入的研究和分析,结合火焰像素的颜色和强度变化特征对火焰像素进行检测,并且对火焰的区域进行增长性检测,通过区域生长算法精确提取的火焰区域,最后设计并实现了识别算法.实验结果表明,结合火焰像素特征和对火焰区域精确提取的检测方法具有较好的火焰识别能力.