形状信息的提取与计算机自动分类

近年来，遥感数据越来越普遍地被利用为更新地理信息系统的数据源。但利用ＧＩＳ来改善分类精度的探讨却很少。本文提出了利用ＧＩＳ技术来提取形状信息和改善分类精度的新方法，从而使一些容易混淆的分类得到了纠正。     

基于蚁群优化分类规则挖掘的遥感图像分类研究

蚁群优化算法作为群智能理论的主要算法之一,已经成功应用在众多研究领域的优化问题上,但是在遥感数据处理领域还是一个新的研究课题。蚁群优化具有自组织、合作、通信等智能化优点,对数据无需统计分布参数的先验知识,因此在遥感数据处理领域具有很大的潜在优势。介绍了将蚁群优化分类规则挖掘算法应用到遥感图像分类研究领域的理论与算法流程。并采用北京地区的CBERS遥感数据作为实验数据,通过蚁群优化算法构造分类规则,对选择的遥感数据进行了分类实验,并和最大似然分类方法进行对比,实验结果表明,蚁群优化分类规则挖掘算法为遥感图像的分类提供了一种新方法。     

基于决策树算法的遥感图像分类研究与实现*

针对传统分类方法在处理空间特征分布极为复杂的数据时效果不佳的缺点,结合分层思想的树分类技术,对广泛用于数据挖掘模型中的CART决策树算法进行改进,提出了一种基于人机交互的决策树算法,将其应用到遥感图像自动分类中,具有很好的弹性和鲁棒性,且分类结构简单明了,达到了更好的分类效果。以VC++ 6.0作为开发工具,定义了一种特殊的数据结构,实现了该分类系统。实践表明,该系统具有很好的稳定性和交互性,实用性较强。     

SOM神经网络改进及在遥感图像分类中的应用*

针对自组织特征神经网络自身算法的特点和缺陷,采用遗传算法对网络进行改进,形成了基于遗传算法的自组织特征神经网络,并从输入向量、竞争层神经元数量设置和初始权向量设定三方面,结合遥感图像的特性对自组织特征映射网络遥感图像分类的方法进行了改进。将该方法应用于择西安地区的ETM+卫星遥感图像进行分类试验,结果表明,基于遗传算法的自组织特征映射网络使得遥感图像的分类精度更高,且该算法实现简单,具有一定的工程应用价值。     

QuickBird卫星图像信息识别

信息识别是目前高分辨率遥感应用中的最大障碍。以株洲市Qu ickB ird图像为研究对象,将研究区分为道路、水、林地、农用地、裸露地和居民点6种地类,分别进行目视判读、计算机监督分类和非监督分类,其精度分别为98.2%、72.64%和60.71%。同时,还对研究区内的Qu ickB ird、ETM+和TM图像进行计算机监督和非监督分类对比,结果表明无论是监督分类还是非监督分类,Qu ickB ird图像的分类精度均低于ETM+和TM图像,这说明空间分辨率的提高对传统的计算机分类结果没有改善,传统的基于像元的分类技术在应用于Qu ickB ird图像时表现出严重的缺陷。因此,本文回避了像元灰度统计法,采用先将图像分割,将以像元为基础的Qu ickB ird图像转化为以对象为基础的图像,这样将研究区共分割出10 000多个对象,建立对象的面积、周长、长度、宽度、长/宽、矩形度和圆形度计算模型;根据研究区各地类特征确定特征因子阈值,模拟目视判读过程,重新对研究区进行分类,结果6种地类的综合分类精度达到91.6%,这说明基于对象的多特征分类对于Qu ickB ird图像识别有明显的改善作用。     

遥感数据分类结果的精度分析

遥感数据分类结果的精度包括位兰精度、类型精度及数童精度三种形式。着重讨论了后两种精度的分析过程，并比较了这两种精度分析得出的数值之间的关来。同时还对基于像元分解的分类结果精度分析方法进行了探索，并在上海市水稻种植面积提取结果的精度分析中进行了应用。     

遥感图像非监督计算机分类方法的研究

通过对几种常用的非监督计算机遥感图像分类方法,如k-means、层次聚类和神经网络的分析研究发现,由于这些方法不能克服数据噪声点的影响,输出结果对输入参数依赖性较大,使其对图像的分类效果受到影响。为了提高图像的非监督分类效果。本文提出了一种基于密度和自适应密度可达聚类算法。实验分析表明,与常用的分类方法相比,该算法具有良好的分类效果。     

一种基于信息融合的多源遥感图像分类方法

基于D-S证据理论提出了一种多源遥感图像分类融合的新方法。首先通过人为选择感兴趣的分类区域，提取特征获取基本概率分配函数，将待分类的多源图像进行分类融合，从而得到最终的分类结果。试验表明，相比于K-mean分类方法，这种分类融合方法可以有效地减少分类过程中的不确定性信息，提高分类精度。     

Improving Image Classification Using Semantic Attributes

The Bag-of-Words (BoW) model??commonly used for image classification??has two strong limitations: on one hand, visual words are lacking of explicit meanings, on the other hand, they are usually polysemous. This paper proposes to address these two limitations by introducing an intermediate representation based on the use of semantic attributes. Specifically, two different approaches are proposed. Both approaches consist in predicting a set of semantic attributes for the entire images as well as for local image regions, and in using these predictions to build the intermediate level features. Experiments on four challenging image databases (PASCAL VOC 2007, Scene-15, MSRCv2 and SUN-397) show that both approaches improve performance of the BoW model significantly. Moreover, their combination achieves the state-of-the-art results on several of these image databases.     

提高光栅数字地震检波器精度的方法研究

在地震勘探系统中,随着数据记录系统动态范围的突破,地震检波器的动态范围已不能满足系统的要求,提高检波器的精度和动态范围变成地震勘探技术研究的关键.光栅数字地震检波器的研制成功,提高了检波器的精度和动态范围.通过对光栅传感器机理的深入分析,采用5细分专用芯片为核心的细分电路,成功实现了光栅脉冲信号的20倍细分技术.在采用100线计量光栅的情况下,使检波器分辨率达到0.000 5 mm,动态范围达到75dB.并采用PIC单片机系统完成了振动信号的再现.该方法将有助于光栅数字地震检波器的性能完善,为实现高精度地震勘探技术奠定基础.     

基于SVR分类的多特征彩色图像检索算法

传统的基于内容图像检索技术对图像领域没有限制,而宽泛的图像领域不仅严重影响了系统检索精度,而且增加了系统查询时间.本文提出一种基于SVR(Support Vector Regression)分类的多特征彩色图像检索新算法,该算法首先提取出图像的颜色、空间和纹理信息并作为图像的特征向量,然后以回归型支持向量机(SVR)为学习机器,对图像库进行分类处理以缩小图像领域范围,最后在较小的领域范围内进行图像检索.实验结果表明,本文算法能够准确和高效地查找出用户所需内容的彩色图像,并且具有较好的查准率和查全率.     

融合显著信息的层次特征学习图像分类

高效的图像特征表示是计算机视觉的基础.基于图像的视觉显著性机制及深度学习模型的思想,提出一种融合图像显著性的层次稀疏特征表示用于图像分类.这种层次特征学习每一层都由3个部分组成：稀疏编码、显著性最大值汇聚(saliency max pooling)和对比度归一化.通过在图像层次稀疏表示中引入图像显著信息,加强了图像特征的语义信息,得到图像显著特征表示.相比于手工指定特征,该模型采用无监督数据驱动的方式直接从图像中学习到有效的图像特征描述.最后采用支持向量机(support vector machine, SVM)分类器进行监督学习,实现对图像进行分类.在2个常用的标准图像数据集(Caltech 101和Caltech 256)上进行的实验结果表明,结合图像显著性信息的层次特征表示,相比于基于局部特征的单层稀疏表示在分类性能上有了显著提升.     

合成孔径雷达图像的分类方法研究仿真

合成孔径雷达有多个通道,采集得到的远程雷达图象特征较多,图像合成后由于特征的不一致,造成图像维度很高.传统的图像分类方法在设置训练器时,一旦雷达图像特征维数很高,会使得传统的分类器难以训练至给定要求,模型的分类中心发生偏移,造成图像分类不准.提出了一种遗传因子优化的超高维度合成孔径雷达图像分类算法.利用遗传因子优化方法,对采集的雷达图像分类参数进行优化训练,从而获取最优参数.利用搜索空间划分方法,对采集的雷达图像进行分类处理.实验结果表明,改进的算法进行高精度合成孔径雷达图像分类,能够有效提高分类的准确性,从而为航天技术的发展提供依据.     

基于比例阀门的精密气压控制方法研究

对精密气压控制方法进行了研究,应用气动比例阀门作为压力产生的执行机构,采用模拟和数字PID双闭环反馈控制,采用硅压阻模拟传感器和数字石英谐振传感器的双传感器结构,对系统控制结构进行设计,实现了气体压力的精密控制,压力输出准确度为0.02％,控制稳定性达0．003％。系统压力产生速度快、没有压力过冲,控制精度高,稳定性好。该系统为压力参数的自动检定提供了精密压力基准源,可以实现压力表、压力变送器和压力传感器的自动检定校准。     

GIS支持下的TM图像土壤盐渍化分级

利用遥感图像提取盐渍土的光谱特和纹理特征,进行特征,地角度分类器和距离分类器进行比较研究,对遥感信息单要素分类与遥感信息地理信息综合分类进行比较研究。     

SVM用于基于块划分特征提取的图像分类

在基于内容图像检索中,图像的底层视觉特征和高层语义概念之间存在着较大的语义间隔。使用机器学习方法学习图像特征,自动建立图像类的模型成为一种有效的方法。本文提出了一种用支持向量机(SVM)实现自然图像自动语义归类的方法,基于块划分聚类得到特征向量作为SVM训练样本,实现语义分类器。由于参与聚类的是某类图像所有块的特征,提取的特征更能反映某一类图像特征。实验证明这种方法是有效的。     

基于SVM的图像分类

现有的图像检索系统多是针对底层特征的系统,而人类往往习惯于在语义级别进行相似性判别。如何跨越底层特征和高层语义之间的＂鸿沟＂,成为基于内容检索的研究重点。本文提出一种利用SVM提取图像的高层特征,然后对图像进行语义级别的分类。实验结果表明,该方法在一定程度上跨越＂语义鸿沟＂。     

基于V-矩的图像分类算法

基于一类不仅含有连续函数,还含有间断函数的正交完备函数系——V-系统,提 出相应的V-矩函数,并将之应用到图像分类中。V-系统中基函数的间断特性,使得V-矩函数 在描述含有多个闭合边界的形状时有特别的优势,这种优势表现为对这类复杂形状的特征提取 更加准确。因此用V-矩可以得到一种图像分类的有效算法。在几个通用数据库中的图像分类 实验表明,本文算法较Zernike 矩、不变矩和几何中心矩有更高的准确率,对噪声不敏感,特 别在含有多个闭合边界的复杂形状分类问题中,本文方法优势更为显著。