基于粒子群优化算法的分类规则挖掘研究

对基于粒子群优化算法的分类规则挖掘技术作了研究,分析了分类规则的构造,在给出了分类规则编码的基础上,改进了分类规则适应度函数,进而设计了基于粒子群优化算法的分类器方案,并通过学校评教数据集样本对该分类器进行了测试,结果表明文章提出的基于粒子群优化算法的分类规则构造是一种有效、可行的设计构造方案。     

基于支持向量机的窄带雷达弹道导弹目标识别技术

窄带雷达由于受到带宽限制,无法获取到目标高分辨精细识别信息,仅能通过目标轨道运动特征和窄带RCS特征对目标属性进行初步分类识别,文中基于支持向量机分类算法,从窄带雷达回波数据中提取弹头群和弹体群目标的特征,实现了弹道导弹群目标初步分类识别。在对弹头群和弹体群分类识别的基础上,窄带雷达可集中更多的时间和能量资源重点对弹头群类目标进行跟踪,并为后续宽带目标识别雷达提供重点目标位置信息。     

遥感图像中无水桥梁识别新算法

 给出了边缘密度和线段复杂度的定义,并提出一种遥感图像中无水桥梁的识别新算法.首先对图像进行边缘提取,计算像素点的边缘密度,根据边缘密度进行图像分割,接着采用Hough变换提取直线,利用线段复杂度等确定疑似桥梁区域,然后计算疑似桥梁区域像素点的纹理特征,并构成一个特征矢量,最后将此特征矢量送入BPNN进行分类,统计该区域所有像素点的分类结果以判决是否属于桥梁.实验结果表明,该算法能够较好地识别出遥感图像中的无水桥梁目标.     

稀疏表示分类在SAR图像目标识别中的应用分析

文中研究了稀疏表示分类在合成孔径雷达(SAR)目标识别中的应用。稀疏表示分类是基于压缩感知理论的一种新的分类算法,近年来在人脸识别、遥感图像分类等领域得到广泛应用。文中对稀疏表示分类在SAR目标识别中的应用进行分析研究,介绍了稀疏表示的基本原理以及几种典型的稀疏系数求解算法。采用稀疏表示分类器对MSTAR数据集进行了目标识别实验,验证在SAR目标识别上的性能。     

基于PSO-TDNN的空间目标识别

针对空间目标的RCS特征识别的问题,提出了基于粒子群算法(PSO)训练的时延神经网络(TDNN)识别方法.首先研究了时延神经网络的结构模型和梯度下降训练法,由于梯度下降训练法存在收敛速度缓慢、容易陷入局部极小值等缺点,提出了基于粒子群算法的训练方法,将时延神经网络的训练过程转化为群体随机优化问题.最后,提取两类空间目标的RCS实测数据小波特征,利用各类神经网络进行识别比较发现:基于粒子群算法的时延神经网络(PSO-TDNN)具有分类能力强,收敛速度快等优点.     

一种有效的遥感图像目标识别方法

本文提出了一种基于矩不变量和支持矢量机对遥感图像中的目标进行识别的方法，该方法提取目标七个Ｈｕ矩不变量作为特征矢量，应用支撑矢量机方法对其进行分类识别，结果表明，这一方法对仅含有目标和背景的遥感图像具有很好的分类识别结果。此外，我们发现对于不同的图像，其二值化取值范围对识别结果有着直接的影响。     

机载激光雷达和高光谱技术的遥感监测数据分类

针对随机森林算法、支持向量机以及线性判别分析3种分类方法分类准确率较低、性能不佳的问题,基于机载激光雷达和高光谱技术提出一种新的遥感监测数据分类方法。分析机载激光雷达和高光谱遥感的工作原理,依据二者的工作原理提取遥感监测数据。为了提升数据分类的准确性,需要进行数据预处理,具体包括噪声点剔除和平滑校正处理,并进行数据配准。在此基础上,采用K最近邻搜索算法提取遥感监测数据特征,最终运用决策树算法中的C4.5算法构建分类器,实现遥感监测数据的分类。实验结果表明:通过混淆矩阵得到所设计方法的分类准确性达到了95以上,分类结果优于传统分类方法,能准确识别目标,证明了方法有效性和可行性。     

粒子群优化算法选择特征的运动图像分类

为了提高图像分类的效果,考虑当前方法准确实现图像分类的难题,提出粒子群优化算法选择特征的运动图像分类方法。对当前运动图像分类方法的研究现状进行分析,提取不同类型的图像,并采用粒子群优化算法选择最优特征,组成特征向量,将特征向量机作为神经网络的输入,实现运动图像的分类。采用具体图像分类实验进行验证,结果表明,该方法可以描述不同运动图像的类别信息,缩小图像的分类误差,避免其他图像分类方法的缺陷,提高了图像的整体分类正确率。     

改进的U-Net算法在遥感图像典型农作物分类研究

针对传统算法提取遥感图像分类特征不全,及识别农作物分类准确率不高的问题,以无人机遥感图像为数据源,提出改进U-Net模型对研究区域薏仁米、玉米等农作物进行分类识别。实验中首先对遥感影像进行预处理,并进行数据集标注与增强;其次通过加深U-Net网络结构、引入SFAM模块和ASPP模块,多级多尺度特征聚合金字塔方法等对算进行法改进,构建改进的U-Net算法,最后进行模型训练与改进修正。实验结果表明:总体分类精度OA达到88.83%,均交并比MIoU达到0.52,较传统U-Net模型、FCN模型和SegNet模,在分类指标和精度上都有明显的提升。     

机载雷达和红外数据融合的智能目标识别

为了提高机载传感器目标识别系统的性能,提出了利用机载雷达和红外成像传感器数据融合的智能目标识别算法.对红外成像传感器,采用了基于小波矩特征和BP神经网络的目标识别算法,首先提取目标图像的小波矩特征并进行特征选择,然后通过BP神经网络对目标图像进行识别;对雷达传感器,提出了利用模糊推理的目标识别方法,首先选取适当的雷达特征,然后通过模糊推理进行识别:从雷达和红外传感器识别算法分别得到待识别目标所属类别的基本概率分配函数,用D-S证据组合规则将两个基本概率分配函数组合,最终实现了机载雷达和红外传感器的数据融合.仿真结果表明:融合后的识别效果优于单个雷达或红外传感器的识别效果.     

基于数据同化和粒子群优化算法的遥感影像融合

针对现有的基于色彩空间变换、基于统计以及基于多尺度分析等融合模型的建立主要依赖于经验,其参数选取存在主观性,基本上不能根据融合图像的后续使用目的进行自适应调整的问题,该文提出了一种基于数据同化和粒子群算法的遥感影像融合框架。此框架根据后续处理对影像各个属性指标值的依赖程度确定各个属性指标的权重,构造由影像各个属性评价指标的加权和所组成的目标函数,再利用粒子群算法优化目标函数从而获取合适的影像。一组实验以熵、平均梯度、标准方差、空间频率和结构相似性等定量指标验证了该框架的有效性。     

基于海岸线区域两类不同轴遥感设备之间匹配应用

以高光谱分辨率的空间外差光谱仪为例,针对其获取地表目标干涉数据的特点,提出一种利用高空间分辨率遥感图像中海岸线区域的大面积均匀地貌且地表反射率有突变的特征来对空间外差光谱仪进行指向配准的方法,实现了不同轴成像遥感设备与非成像遥感设备之间的匹配应用.利用空间外差光谱仪在多个对地观测点的结果干涉数据和相同经纬度区域的高空间分辨率图像数据进行地基测试实验,将配准校正值结果与其标称值进行对比,误差范围在-3%~5%.结果表明,该方法可为星载不同轴成像遥感设备与非成像遥感设备之间匹配应用提供参考依据.     

改进贝叶斯ARTMAP的迁移学习遥感影像分类算法

遥感分类旨在从图像光谱中提取资源环境监测可用的地理信息,然而基于模式分类的图像处理技术受光谱漂移影响而缺乏历史样本重复利用的有效策略,制约着有限目标样本下遥感分类精度的提高.针对该问题,本文构建了基于改进的贝叶斯ARTMAP神经网络的迁移学习遥感影像分类算法,通过提高谐振匹配性来抑制类别扩散,利用节点的离散增量期望最大化参数更新策略,将历史遥感样本中的地物分类先验信息迁移到目标模型当中.实验结果表明本文方法能有效利用历史遥感数据弥补缺少目标训练数据的不足,相比于其他样本利用策略大幅提高遥感影像分类精度.     

基于深度学习的光学遥感图像目标检测综述

目标检测是光学遥感图像解译的核心环节,广泛应用于情报侦察、土地利用、城市规划等领域。近年来,深度学习的发展成熟使光学遥感目标检测的精确度和效率得到大幅提升。本文首先综述了基于深度学习的通用目标检测算法;然后介绍了当前常用的光学遥感图像目标检测数据集并依据数据特点分析了数据集的发展趋势;接着根据遥感图像检测难点,从任意方向、多尺度、小目标、密集分布、复杂背景5个方面详细梳理了算法的优化方案;最后展望了光学遥感图像目标检测研究的发展方向。     

基于多源遥感卫星的海面舰船目标检测方法

围绕光学卫星遥感图像中的海面舰船目标检测问题,考虑静止轨道遥感卫星和低轨道高分辨率遥感卫星的优缺点,提出一种基于多源遥感卫星的海面舰船目标检测方法。该方法首先通过多结构多尺度形态学滤波和自适应阈值分割对静止轨道卫星遥感图像进行目标预检测,然后将预检测结果与卫星图像的地理位置信息相结合来确定高分辨率遥感图像候选目标区域,最后提取候选目标区域中目标的主要特征,进行舰船目标判别,将判别结果反映到静止轨道遥感卫星图像上。仿真结果表明,该方法能有效检测出海洋背景遥感图像中的多个运动舰船目标,具有目标检测率高、虚警率低、时效性好等优点,为静止轨道遥感卫星对海面运动舰船目标的实时监视跟踪提供了技术支撑。     

Distributed Energy Optimization for Target Tracking in Wireless Sensor Networks

Energy constraint is an important issue in wireless sensor networks. This paper proposes a distributed energy optimization method for target tracking applications. Sensor nodes are clustered by maximum entropy clustering. Then, the sensing field is divided for parallel sensor deployment optimization. For each cluster, the coverage and energy metrics are calculated by grid exclusion algorithm and Dijkstra's algorithm, respectively. Cluster heads perform parallel particle swarm optimization to maximize the coverage metric and minimize the energy metric. Particle filter is improved by combining the radial basis function network, which constructs the process model. Thus, the target position is predicted by the improved particle filter. Dynamic awakening and optimal sensing scheme are then discussed in dynamic energy management mechanism. A group of sensor nodes which are located in the vicinity of the target will be awakened up and have the opportunity to report their data. The selection of sensor node is optimized considering sensing accuracy and energy consumption. Experimental results verify that energy efficiency of wireless sensor network is enhanced by parallel particle swarm optimization, dynamic awakening approach, and sensor node selection.     

光学卫星遥感图像舰船目标检测综述

遥感图像的目标检测是把海量遥感数据转化为应用成果的重要一环,而光学遥感图像中舰船目标的检测更是遥感图像处理分析的研究热点,具有重要的应用价值.本文的主要目的是研究光学遥感图像中舰船目标检测的各种方法,对目前采用的检测方法做出系统性总结.重点介绍了基于灰度信息统计特征、视觉显著性、模板匹配和分类学习的四种传统舰船目标检测方法和深度学习方法在舰船目标检测中的应用,并分析了各种方法的优缺点和适用性,同时对舰船目标检测的未来发展进行了展望.     

高分辨率遥感图像融合技术的研究

图像融合已成为图像理解和计算机视觉领域中的一项重要而有用的新技术,多源遥感图像数据融合也成为遥感领域的研究热点,其目的是将来自多信息源的图像数据加以智能化合成,产生比单一传感器数据更精确、更可靠的描述和判决,使融合图像更符合人和机器的视觉特性,更有利于诸如目标检测与识别等进一步的图像理解与分析。     

基于深度学习的红外遥感信息自动提取

为了提高红外遥感图像地物 信息自动提取的精确性,同时避免人工提取遥感 信息的低效性,提出了一种基于UNet深度学习模型 的遥感信息提取算法。该算法用于从红外遥感图像中分割 出5类地物信息(包括道路、建筑、树木、农田和水 体)。首先,对分辨率高但数量较少的训练数 据进行小像幅的随机裁剪,并对其进行相应的数据增 强处理。然后搭建UNet深度学习模型,并用它 自动提取遥感图像的特征信息。采用交叉熵损失函数 以及Adam反向传播优化算法对该模型进行训练,并对测 试样本中的5幅遥感图像进行精确的地物信息提取。最后,运 用Jaccard指数对测试结果进行精度评定。实验结果表明,该 方法对高分辨率红外遥感图像信息和可见光 遥感图像信息进行了充分融合,对于不同种类地物 的定位和分类都取得了较高精度。     

一种针对遥感图像的自动ROI编码算法

感兴趣区域（ROI）编码技术具有在不丢失重要信息的同时又有效地压缩了数据量的特点，非常适用于遥感图像的压缩但现有的ROI编码算法在编码前需人为定义ROI．因而在用户无法进行人工干预的情况下其使用受限针对此问题，从遥感图像的特点人手，提出了一种自动ROI编码算法，该算法基于JPEG2000标准框架．首先根据用户需求进行了ROI自动检测．并通过与目标形状最为接近的最小外接矩形的使用将ROI检测算法与ROI编码算法有效地结合在一起，最后，结合检测结果的特点优化了编码算法．实现了对遥感图像的自动ROI编码．实验结果验证了此算法的有效性