纹理分析方法在TM图像信息提取中的应用

最大似然分类法是基于地物光谱信息的，因此无法正确区分光谱特征混淆的地物。本以北京丰台区为实验区，采用纹理分析方法对高分辨率图像的纹理信息进行分析，选取统计指标熵，通过确定熵的最佳阈值，进行边界匹配勾图像的分割，将光谱易混淆地物如菜地和耕地分割开来，并将此分割结果与TM图像分类结果进行叠合，得到最终的分类结果。实验结果表明：将纹理分析方法应用于图像分类中可区分光谱混合的地类，得到较好的分类结果。     

3D密集全卷积的高光谱地物分类算法研究

针对高光谱遥感图像训练样本较少、光谱维度较高、空间特征与频谱特征存在差异性而导致高光谱地物分类的特征提取不合理、分类精度不稳定和训练时间长等问题,提出了基于3D密集全卷积（3D-DSFCN）的高光谱图像（HSI）分类算法。算法通过密集模块中的3D卷积核分别提取光谱特征和空间特征,采用特征映射模块替换传统网络中的池化层和全连接层,最后通过softmax分类器进行分类。实验结果表明,基于3D-DSFCN的HSI分类方法提高了地物分类的准确率、增强了低频标签的分类稳定性。     

基于多尺度空谱鉴别特征的高光谱图像分类

为了应对高光谱图像同质区域面积分布不均的问题,同时更充分地挖掘空间和光谱信息之间的内在联系,提出了一种基于多尺度空谱鉴别特征的高光谱图像分类方法。该算法首先对图像进行不同尺度的滤波操作,接着分别从得到的多幅图像中提取鉴别的空谱特征,并使用支持向量机(SVM)进行分类。最后,该算法采取“决策级融合”的策略,来综合不同滤波尺度图像的分类结果。在Indian Pines,Kennedy Space Center和University of Pavia数据集上的实验表明,该算法能够提取较为有效的空间信息,当随机选取10%的像素作为训练样本时,该算法的总体分类准确率均能达到96%以上,其分类精度和Kappa系数均优于其他分类算法。     

模糊ARTMAP神经网络在TM影像分类中的应用

阐述了模糊ARTMAP网络结构及其采用的算法，提出一种引入遥感图像判读结果的警戒系数自动调整算法，能够解决人为选择警戒参数效率低、难以取得合适数值的问题．仿真结果表明，具有警戒系数调整功能的模糊ARTMAP神经网络能够有效地对向海自然保护区的TM影像进行分类，它与最大似然法和传统的模糊ARTMAP神经网络相比，对样本的依赖程度较低，分类精度较高．     

图像处理在药片检测中的应用

针对工业流水线上的在线检测系统中的图像处理单元,对药片图像进行预处理、定位分割、特征提取、分类处理等操作,最后实现药片包装的缺粒识别的功能,并保证了较高的准确率。本文主要使用直方图均衡化、基于坐标的区域分割、膨胀腐蚀后药片几何参数的计算、基于面积阀值的分类等步骤,实现预定功能。本文以MATLAB为工具,编写了程序,给出了图像处理的流程﹑部分程序段和实验结果。     

多线性局部与全局保持嵌入在高光谱遥感影像分类中的应用

针对一般流形学习算法在学习高光谱数据的多流形结构时存在的不足,提出一种基于线性局部与全局保持嵌入(LLGPE)的多流形学习算法.对于分布在不同流形上的高维观测数据,利用LLGPE算法学习每类分组数据的内蕴特征;然后通过遗传算法搜索每类数据的本质维数;最后根据重构误差最小化准则确定样本所属的类别.在HYDICE高光谱数据集上的分类识别实验结果表明,文中算法能够有效地揭示高维空间中数据的内蕴几何结构;在每类随机选取2,4,6个训练样本的情况下,该算法的总体分类精度比其他流形学习算法分别提高了约3.5%,6.9%和7.2%,且分类精度也有明显的提高.     

TM图像多层神经网络自动识别分类

以利用TM图像自动识别金华市婆城区土地利用为例,介绍了多层神经网络遥感模式识别方法的概念、特点及其在TM图像自动识别分类中的应用,并与最大似然法分类结果进行了比较。通过研究认为,无论在分类速度、精度、还是总体效果上看,神经网络分类都优于最大似然法分类。     

EMD方法在多光谱遥感图像融合中的应用

多光谱图像具有较高的光谱分辨率,而其空间分辨率比较低,致使融合后的多光谱图像空间细节的表现能力不足。为了克服这种融合图像空间细节表达能力差的问题,本文提出了用EMD(EmpiricalModeDecomposition)方法对多光谱图像进行分解,提取空间细节和纹理信息,并将其叠合到融合图像上的方法。实验表明:改善了视觉效果,提高融合图像的空间表达能力。     

用TM资料对祁连山部分地区进行针叶林、灌木林分类研究

为了解黑河上游祁连山区水源涵养林十年间的变化状况,对这一典型地区采用TM卫星资料进行了针叶林、灌木林分类。首先对TM资料进行了几何精纠正和投影变换等预处理;再通过选择TM的4、3、2波段做假彩色合成,并结合遥感地面调查,建立了遥感判读解译标志;在以上工作的基础上,采用一种简单的决策树分类方法,成功地对祁连山典型地区的针叶林和灌木林进行了分类,并检验了分类结果。     

TM影像荒漠化解译与成图技术研究

以TM影像为数据源,系统探讨了影像荒漠化信息提取的图像处理与荒漠化土地类型成图的技术方法。将武威市三地区的荒漠化土地类型分为风蚀荒漠化、水蚀荒漠化和中低山草场退化等类型。通过对图像几何和投影系统转换,图像标准假彩色合成,影像空间增强处理,并结合划分的土地利用/覆被类型,建立TM影像目视解译标志,进行荒漠化信息的提取。借助于ARC/INFO软件的不同模块,进行图像判读、编辑制作图形和统计各类荒漠化信息数据。研究表明,武威市荒漠化现象十分严重,三地区共有各类荒漠化土地217.07万hm2,占其总面积的83.33%,其中以民勤县荒漠化土地面积最大。     

基于局部子空间的多标记特征选择算法*

在已有的特征选择算法中,常用策略是通过相关准则选择与标记集合相关性较强的特征,然而该策略不一定是最优选择,因为与标记集合相关性较弱的特征可能是决定某些类别标记的关键特征.基于这一假设,文中提出基于局部子空间的多标记特征选择算法.该算法首先利用特征与标记集合之间的互信息得到一个重要度由高到低的特征序列,然后将新的特征排序空间划分为几个局部子空间,并在每个子空间设置采样比例以选择冗余性较小的特征,最后融合各子空间的特征子集,得到一组合理的特征子集.在6个数据集和4个评价指标上的实验表明,文中算法优于一些通用的多标记特征选择算法.     

一种基于向量空间模型的多层次文本分类方法

本文研究和改进了经典的向量空间模型(VSM)的词语权重计算方法,并在此基础上提出了一种基于向量空间模型的多层次文本分类方法。也就是把各类按照一定的层次关系组织成树状结构,并将一个类中的所有训练文档合并为一个类文档,在提取各类模型时只在同层同一结点下的类文档之间进行比较;而对文档进行自动分类时,首先从根结点开始找到对应的大类,然后递归往下直到找到对应的叶子子类。实验和实际系统表明,该方法具有较高的正确率和召回率。     

地形遮蔽的雷达低空探测效能研究

在低空突防中,地形遮蔽盲区是敌方进行突防航迹规划的主要依据。本文介绍了一种构造地形遮蔽盲区的方法,并建立了反映我方对空防御状况的威胁空间和雷达盲区,最后给出了雷达的探测效能。     

基于数据点本身及其位置关系辅助信息挖掘的分类方法

挖掘除数据点本身以外的信息并以此引导和提高数据分类的精度是值得研究的课题.由此,文中提出建立与数据集对应的网络方法挖掘数据点之间的位置关系及关联信息.依据网络节点连接特性确定节点及子网络效率,赋予节点浓度概念,迭代计算节点的真实影响力,充分挖掘并处理蕴含在数据点关联作用中的信息作为数据点物理特征之外的辅助信息,构建基于数据点本身及其位置关系辅助信息挖掘的分类方法.在保证较高数据分类精度的前提下,文中方法具有较低的时间复杂度.在人造数据集和真实数据集上实验验证文中方法的有效性,该方法尤其与经典的分类方法存在显著区别.     

W-operator window design by minimization of mean conditional entropy

This paper presents a technique that gives a minimal window W for the estimation of a W-operator from training data. The idea is to choose a subset of variables W that maximizes the information observed in a training set. The task is formalized as a combinatorial optimization problem, where the search space is the powerset of the candidate variables and the measure to be minimized is the mean entropy of the estimated conditional probabilities. As a full exploration of the search space requires prohibitive computational effort, some heuristics of the feature selection literature are applied. The proposed technique is mathematically sound and experimental results including binary image filtering and gray-scale texture recognition show its successful performance in practice.     

CAD/CAPP集成的关键技术

该文提出了基于特征实体模型上的截面轮廓造型自动特征识别方法。这种方法探索了一条实现自动特征识别的新途径。还提出了基于特征名、形面名的多层次多方位的零件信息描述方法。实现了对复杂箱体类零件的加工特征自动识别与信息自动提取,从而实现了CAD/CAPP系统的信息自动传递。     

超光谱遥感图像有监督LPP特征提取研究

在局部保留投影(LPP)特征提取算法的基础上,利用样本标签信息提出了一种有监督的局部保留投影算法(SPLPP),该算法的邻接图的权值不仅考虑了LPP算法中的相似性权值,而且加入了监督类的相关权值。SPLPP算法主要步骤是先用PCA去除高维超光谱遥感图像的冗余信息,再把监督机制引入到LPP中,实现图像的特征提取,将高维超光谱遥感图像投影到低维空间中,利于分类。应用SPLPP算法对高维的遥感原始超光谱图像进行特征提取后,利用支持向量机(SVM)和最近邻分类器(KNN)对降维后的遥感图像数据进行分类;并与PCA、LPP、LDA等特征提取算法进行了比较实验。实验表明:结合了LPP局部信息保留能力和全域标签信息的SPLPP算法,有更好的局部信息保留能力和类判别能力,使分类器分类精度更高,分类效果更好。     

Feature engineering for semantic place prediction

We present in this paper our winning solution to Dedicated Task 1 in Nokia Mobile Data Challenge (MDC). MDC Task 1 is to infer the semantic category of a place based on the smartphone sensing data obtained at that place. We approach this task in a standard supervised learning setting: we extract discriminative features from the sensor data and use state-of-the-art classifiers (SVM, Logistic Regression and Decision Tree Family) to build classification models. We have found that feature engineering, or in other words, constructing features using human heuristics, is very effective for this task. In particular, we have proposed a novel feature engineering technique, Conditional Feature (CF), a general framework for domain-specific feature construction. In total, we have generated 2,796,200 features and in our final five submissions we use feature selection to select 100 to 2000 features. One of our key findings is that features conditioned on fine-granularity time intervals, e.g. every 30 min, are most effective. Our best 10-fold CV accuracy on training set is 75.1% by Gradient Boosted Trees, and the second best accuracy is 74.6% by L1-regularized Logistic Regression. Besides the good performance, we also report briefly our experience of using F# language for large-scale (～70 GB raw text data) conditional feature construction.