排序方式: 共有68条查询结果,搜索用时 0 毫秒
2.
一种基于蚁群算法和互信息测度的图像拼接技术 总被引:2,自引:0,他引:2
以图像间的互信息为基础,通过计算图像的信息熵来获得2幅图像的匹配区域。利用互信息量测度函数作为蚁群算法的适应值函数,通过蚁群迭代寻找最优的匹配区域。与SIFT拼接算法进行比对实验。实验结果表明,本文算法具有良好的拼接效果和较高的拼接效率。 相似文献
3.
4.
5.
6.
7.
目的 哈希检索旨在将海量数据空间中的高维数据映射为紧凑的二进制哈希码,并通过位运算和异或运算快速计算任意两个二进制哈希码之间的汉明距离,从而能够在保持相似性的条件下,有效实现对大数据保持相似性的检索。但是,遥感影像数据除了具有影像特征之外,还具有丰富的语义信息,传统哈希提取影像特征并生成哈希码的方法不能有效利用遥感影像包含的语义信息,从而限制了遥感影像检索的精度。针对遥感影像中的语义信息,提出了一种基于深度语义哈希的遥感影像检索方法。方法 首先在具有多语义标签的遥感影像数据训练集的基础上,利用两个不同配置参数的深度卷积网络分别提取遥感影像的影像特征和语义特征,然后利用后向传播算法针对提取的两类特征学习出深度网络中的各项参数并生成遥感影像的二进制哈希码。生成的二进制哈希码之间能够有效保持原始高维遥感影像的相似性。结果 在高分二号与谷歌地球遥感影像数据集、CIFAR-10数据集及FLICKR-25K数据集上进行实验,并与多种方法进行比较和分析。当编码位数为64时,相对于DPSH(deep supervised Hashing with pairwise labels)方法,在高分二号与谷歌地球遥感影像数据集、CIFAR-10数据集、FLICKR-25K数据集上,mAP(mean average precision)指标分别提高了约2%、6%7%、0.6%。结论 本文提出的端对端的深度学习框架,对于带有一个或多个语义标签的遥感影像,能够利用语义特征有效提高对数据集的检索性能。 相似文献
8.
针对无源侦察数据不存在周期扫描、目标定位点迹间的时间间隔随机以及目标数量、运动特性等多项先验信息缺乏状况下的多目标检测问题,提出了层次聚类的航迹起始算法。该算法首先利用信号载频、重频、脉宽参数体制的不同对量测记录集进行粗聚类;其次对雷达工作体制相同的每一个子类,采用K-means算法对其载频、重频、脉宽三个信号参数进行精聚类;再次对属性聚类后的每一个子类构造所有可能的配对点迹,并计算其分维速度,利用速度法筛选出满足速度约束条件的点迹;最后对筛选出的点迹按接收时间重新排序,利用扩展的搜索算法从第一个时刻开始搜索目标航迹。仿真与真实数据的实验结果验证了本文算法的有效性和实用性。 相似文献
9.
10.
近年基于稀疏表示的分类框架(Sparse Representation based Classification,SRC)在计算机视觉和模式识别领域取得了巨大成功,高光谱图像解译也逐渐引入稀疏表示方法。针对基于SRC的高光谱图像分类算法随机抽取训练样本构成字典较难捕获相似类别的相对差异性信息问题,提出采用Fisher字典学习方法增强相似类训练样本的可区分性。此外,考虑到高光谱图像具有较强空间相关性的特点,设计一种简单有效的投票策略进行类别判决。大量实验表明:基于Fisher字典学习的联合投票分类方法能够较好地改善高光谱分类精度。 相似文献