绑定机构
扫描成功 请在APP上操作
打开万方数据APP,点击右上角"扫一扫",扫描二维码即可将您登录的个人账号与机构账号绑定,绑定后您可在APP上享有机构权限,如需更换机构账号,可到个人中心解绑。
欢迎的朋友
万方知识发现服务平台
获取范围
  • 1 / 1
  (已选择0条) 清除 结果分析
找到 6 条结果
-
北大核心 CSTPCD CSCD CBST SA
-
摘要:浮筏养殖广泛存在于我国近海海域,可见光遥感图像无法完全准确地获取养殖目标,而基于主动成像的合成孔径雷达(Synthetic aperture radar, SAR)遥感图像能够得到养殖目标,因此采用SAR 图像进行海洋浮筏养殖目标识别。然而,海洋遥感SAR 图像包含大量相干斑噪声,并且SAR 图像特征单一,使得目标识别难度较大。为解决这些问题,提出一种深度协同稀疏编码网络(Deep collaborative sparse coding network, DCSCN)进行海洋浮筏识别。本文方法对预处理后的图像先提取纹理特征和轮廓特征,再进行超像素分割并将同一个超像素块特征组输入该网络进行协同表示,最后得到有效特征并分类识别。通过人工SAR 图像和北戴河海域浮筏养殖SAR 图像的实验验证所提模型的有效性。该网络不仅具有优异的特征表示能力,能够获得更适合分类器的特征,而且通过近邻协同约束,有效抑制相干斑噪声影响,所以提高了SAR图像目标识别精度。...
[专利] 发明专利 CN201811347067.7
西北工业大学 大连理工大学 2019-02-19
摘要:一种基于深度联合分布适配网络的高光谱图像迁移分类方法,步骤为:输入源域和目标域的高光谱图像,进行特征归一化与维度统一;组合源域和目标域高光谱图像的特征;构建边缘概率分布适配网络,进行源域和目标域高光谱图像的边缘概率分布适配;按照一对多分类原理,选取源域和和少量的目标域高光谱图像的训练样本;构建条件概率分布适配网络,进行源域和目标域高光谱图像的条件概率分布适配;对目标域高光谱图像进行一对多分类。本发明提出了基于深度联合分布适配网络,实现了源域和目标域高光谱图像的特征适配,减小了两者的联合概率分布差异;同时,采用一对多分类模型,提高了类内与类间的区分性,进而提高了高光谱图像迁移分类的准确度。
[博士论文] 耿杰
信号与信息处理 大连理工大学 2018(学位年度)
摘要:合成孔径雷达(Synthetic Aperture Radar,SAR)是一种主动式微波遥感技术,能够全天候、全天时地获取高分辨率图像,已经广泛应用于军事目标识别、海洋环境监测、城市覆盖调研等领域。SAR遥感图像分类通过分析地物后向散射特性等信息,实现地物分类,是SAR遥感解译的重要内容。然而,由于SAR图像存在固有的相干斑噪声,目标存在歧义性与不稳定性,不同区域特性不均匀等问题,如何自动的实现高精度SAR图像地物分类仍然是亟待解决的难题。
  本文以实现SAR遥感图像分类为主要研究目标,结合SAR图像的特点,研究基于深度学习神经网络的特征提取与分类方法。本文的主要工作如下:
  首先,SAR图像固有的相干斑噪声导致其有效特征缺乏,针对此问题,提出了深度卷积自动编码网络,挖掘SAR图像潜在的空间特征。深度卷积自动编码网络采用经典滤波器组构成的卷积层获得初始特征表示,利用尺度变换层去除相干斑噪声,采用多层稀疏自动编码器提高特征的区分性,通过形态学校正的后处理减小相干斑噪声对分类的影响。为了在有限训练样本情况下提高分类精度,提出了权值融合表示分类器,实现了测试样本在训练字典表示“竞争性”与“协同性”之间的平衡,从而进一步提高SAR图像分类精度。
  其次,SAR图像获得的目标特性存在歧义性与不稳定性,针对此问题,提出了深度监督收缩网络,提取SAR图像样本特征与类别标签之间的相关信息,提高特征表达的区分度与鲁棒性。深度监督收缩网络利用样本标签的监督项来引入高层语义信息,克服目标歧义性的问题;利用编码函数惩罚的收缩项来增强局部不变性,克服目标不稳定性的问题。为了丰富SAR图像的初始特征,提出了多尺度图像块特征提取模型,能够获得SAR图像低层、中层特征描述。为了更好地抑制相干斑噪声对分类结果的影响,提出了基于图割的空间平滑后处理模型,能够减小误分类杂点。
  再次,SAR图像不同区域特性不均匀导致传统特征提取模型的泛化能力有限,针对此问题,提出了深度循环编码网络,实现全自动的特征提取与分类,增强特征提取模型的泛化能力。深度循环编码网络由图像块循环神经网络和非负Fisher约束编码网络两部分组成。图像块循环神经网络自主学习像素间的相关特性,能够获得SAR图像的空间上下文特征,实现SAR图像自动特征提取。非负Fisher约束编码网络利用非负约束提高编码表示的稀疏性,采用Fisher约束提高特征表达的类内紧凑性,能够增强特征判别能力,从而达到提高分类效果的目的。
  最后,开展了基于SAR图像的海洋养殖浮筏分类提取应用研究。针对海洋SAR图像存在更加严重的相干斑噪声的问题,提出了一种迭代低秩表示算法,不仅有效去除海洋SAR图像的相干斑噪声,而且使得养殖浮筏的轮廓信息更加清晰。针对海洋养殖浮筏分类提取问题,分别采用本文提出的三种深度神经网络进行提取,验证本文提出的深度网络在实际应用中的有效性。
  综上,本文通过对SAR遥感图像的深入分析,研究了基于深度学习神经网络的分类方法,提取了丰富而有效的SAR图像特征,实现了自动的高精度分类,并成功地应用于海洋养殖浮筏分类提取任务,可以为SAR遥感智能解译提供有效方法。
[专利] 发明专利 CN201810981159.4
大连理工大学 国网吉林省电力有限公司检修公司 国网吉林省电力有限公司 国家电网公司 2019-01-04
摘要:基于DSFNN与非局部决策的极化SAR图像半监督分类方法,输入极化SAR图像数据;对极化SAR图像进行超像素分割;提取极化SAR图像各个像素的原始特征和超像素特征;选取训练样本集合和测试样本集合;利用训练样本集合进行深度超像素滤波网络的训练;对测试样本采用深度超像素滤波网络进行预测;基于非局部决策,从测试样本集合选取样本来扩展训练集合;更新深度超像素滤波网络;采用训练好的网络对测试样本进行分类;得到分类结果图。本发明的深度超像素滤波网络,提取超像素特征来克服相干斑噪声,并利用非局部决策的半监督分类算法,减小训练样本数量,有效提高分类的准确度,可用于极化SAR图像地物分类与目标识别等技术领域。
[专利] 发明专利 CN201810982241.9
大连理工大学 国网吉林省电力有限公司检修公司 国网吉林省电力有限公司 国家电网公司 2019-01-04
摘要:一种基于多特征与非负自动编码器的SAR图像分类方法,属于图像处理技术领域。基于灰度梯度共生矩阵提取SAR图像的图像块空间域特征;基于二维Gabor变换提取SAR图像的图像块变换域特征;将图像块的空间域特征与变换域特征组合;选取SAR图像块的训练样本集和测试样本集;利用训练样本集对多层非负自动编码器与softmax分类器进行训练;采用训练好的非负自动编码器网络进行分类;得到分类结果图。本发明结合了SAR图像的空间信息与变换域信息,获得了SAR图像的多维特征,并利用非负自动编码器对特征进行优化,提升了特征的区分性,进而有效提高了分类的准确度,可用于高分辨率SAR图像地物分类与目标识别等。
[专利] 发明专利 CN201810982878.8
大连理工大学 国网吉林省电力有限公司检修公司 国网吉林省电力有限公司 国家电网公司 2019-01-18
摘要:基于上下文显著性检测与SAE的SAR图像变化检测方法,输入同一地区的两个时相SAR图像;计算对数比值差异图;基于上下文显著性检测算法提取差异图的显著性区域;根据差异图的显著性区域掩模掉两个时相SAR图像的背景,获得掩模后SAR图像;基于模糊C均值聚类提取掩模后SAR图像的变化区域,获得伪标签训练样本;利用掩模后SAR图像和伪标签训练样本进行多层稀疏自动编码器的训练;采用训练好的网络提取最终的SAR图像变化区域。本发明可以有效克服相干斑噪声对SAR图像变化检测的影响,同时设计了多层稀疏自动编码器,提取了SAR图像有效的变化特征,能够提高变化检测的准确度,可用于多时相SAR图像变化检测等技术领域。
  (已选择0条) 清除
公   告

北京万方数据股份有限公司在天猫、京东开具唯一官方授权的直营店铺:

1、天猫--万方数据教育专营店

2、京东--万方数据官方旗舰店

敬请广大用户关注、支持!查看详情

手机版

万方数据知识服务平台 扫码关注微信公众号

万方选题

学术圈
实名学术社交
订阅
收藏
快速查看收藏过的文献
客服
服务
回到
顶部