期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
基于统计混合模型的遥感影像阴影检测 被引量:24
1
作者 夏怀英 郭平 《遥感学报》 EI CSCD 北大核心 2011年第4期778-791,共14页
为提高阴影检测精度,提出一种新的遥感影像阴影检测方法—将径向基函数神经网络构建的混合模型(称作SMM-RBFNN)应用于遥感影像阴影检测。灰度共生矩阵中的能量、熵、对比度和逆差矩4种统计特征量作为混合模型的输入特征矢量,采用类"... 为提高阴影检测精度,提出一种新的遥感影像阴影检测方法—将径向基函数神经网络构建的混合模型(称作SMM-RBFNN)应用于遥感影像阴影检测。灰度共生矩阵中的能量、熵、对比度和逆差矩4种统计特征量作为混合模型的输入特征矢量,采用类"期望-最大化"算法(类EM)进行参数估计,训练检测器实现阴影检测。对多幅带有浓厚阴影的遥感影像进行实验,结果表明所提出的方法明显优于传统的高斯背景法和直方图阈值法,能够较好地解决强反射性地物漏检和水体错检问题,能够克服基于阈值思想的检测法需要反复实验选取阈值的缺点。 展开更多
关键词 阴影检测 径向基函数神经网络 混合模型 纹理特征
原文传递
面向卫星云图云分类的自适应模糊支持向量机 被引量:6
2
作者 田文哲 符冉迪 +2 位作者 金炜 刘箴 尹曹谦 《武汉大学学报(信息科学版)》 EI CSCD 北大核心 2017年第4期488-495,共8页
云类识别是实现卫星云图自动分析的基础,针对卫星云图易受噪声干扰且不同云系往往相互交叠的特点,构造一种面向云类识别的自适应模糊支持向量机。该方法不仅改进了隶属度函数的表现形式,而且通过定义控制临界隶属度和隶属度衰减趋势的参... 云类识别是实现卫星云图自动分析的基础,针对卫星云图易受噪声干扰且不同云系往往相互交叠的特点,构造一种面向云类识别的自适应模糊支持向量机。该方法不仅改进了隶属度函数的表现形式,而且通过定义控制临界隶属度和隶属度衰减趋势的参数,使隶属度能根据不同云系样本的具体分布特性自适应调整,解决了传统模糊支持向量机的隶属度函数难以反映样本分布的问题。在MTSAT卫星云图上的实验结果表明,通过提取云图可见光通道的反照率、红外通道的亮温及三种亮温差作为云图的光谱特征,并结合统计纹理特征,所构造的自适应模糊支持向量机分类器能有效区分晴空区、低云、中云、高云及直展云;云类识别准确率优于标准支持向量机和传统模糊支持向量机,且具有更强的稳定性和自适应性。 展开更多
关键词 模糊支持向量机 隶属度函数 云类识别 最小超球 光谱特征 统计纹理特征
原文传递
焦炭微观结构特征提取路径探究 被引量:3
3
作者 汪琴芳 《洛阳师范学院学报》 2016年第2期64-67,共4页
通过焦炭图片分析研究了焦炭的分形特征,将分形理论应用于焦炭结构特征量的描述,并结合形状和纹理特征,提出了焦炭微观结构的分析维数和统计纹理量的描述方案.在特征量的设计中,新增了分形维数和5个统计纹理特征量,特征量的重新设计将... 通过焦炭图片分析研究了焦炭的分形特征,将分形理论应用于焦炭结构特征量的描述,并结合形状和纹理特征,提出了焦炭微观结构的分析维数和统计纹理量的描述方案.在特征量的设计中,新增了分形维数和5个统计纹理特征量,特征量的重新设计将为进一步的微观结构的识别提供更为可靠的依据. 展开更多
关键词 焦炭 图像处理 分形维数 统计纹理 特征提取
下载PDF
基于极限学习机的遥感影像阴影检测 被引量:1
4
作者 安鹏飞 王霞 王蒙军 《电视技术》 北大核心 2014年第15期37-40,43,共5页
为提高阴影检测精度,采用基于极限学习机的遥感影像阴影检测方法,将纹理特征的能量、熵、对比度和逆差距4个指数作为输入特征向量训练学习机模型,实现阴影区域的检测。实验结果表明,当纹理窗口大小为4×4,步长为1时,能够将阴影区域... 为提高阴影检测精度,采用基于极限学习机的遥感影像阴影检测方法,将纹理特征的能量、熵、对比度和逆差距4个指数作为输入特征向量训练学习机模型,实现阴影区域的检测。实验结果表明,当纹理窗口大小为4×4,步长为1时,能够将阴影区域较好地检测出来。该方法能够克服阈值法的地物错检问题以及反复选取阈值的缺点,并解决了神经网络及支持向量机多参数选取困难的问题,有效地提高了阴影区域检测速度和精度,具有较好的鲁棒性和泛化性能,综合性能优于阈值法、神经网络和支持向量机。 展开更多
关键词 阴影检测 纹理特征 极限学习机 支持向量机 神经网络
下载PDF
融合模糊统计纹理特征的多线索粒子滤波跟踪 被引量:1
5
作者 金静 党建武 +1 位作者 王阳萍 申东 《吉林大学学报(工学版)》 EI CAS CSCD 北大核心 2021年第3期1111-1120,共10页
针对粒子滤波跟踪算法使用单一特征鲁棒性差,以及粒子重采样策略易导致粒子退化、贫化等问题,提出了一种基于多特征、多线索的改进粒子滤波跟踪方法。使用引入邻域关系的Histon直方图描述目标的颜色特征,并建立了一种稳健的模糊统计纹... 针对粒子滤波跟踪算法使用单一特征鲁棒性差,以及粒子重采样策略易导致粒子退化、贫化等问题,提出了一种基于多特征、多线索的改进粒子滤波跟踪方法。使用引入邻域关系的Histon直方图描述目标的颜色特征,并建立了一种稳健的模糊统计纹理特征(FSTF)表达空间纹理信息,然后将其自适应地与区域颜色特征融合构建多线索的观测模型。在粒子滤波跟踪过程中,使用基于K-means的粒子权重聚类进行更为准确的后验分布估计。在重要性重采样阶段,保留高权重粒子的同时基于当前目标状态的先验分布产生新粒子,避免了粒子退化并保证了粒子的多样性。在标准测试集上的实验结果表明:相比其他基于粒子滤波框架的跟踪算法,本文方法能够得到更高的跟踪精度和成功率。与其他效果突出的流行跟踪算法相比,本文方法能在光照变化、目标形变和背景扰动场景下取得更好的跟踪效果。 展开更多
关键词 信息处理技术 粒子滤波跟踪 Histon直方图 模糊统计纹理特征 多线索
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部