西安建筑科技大学信息与控制工程学院, 陕西 西安 710055
为了实现在遥感图像处理过程中准确地提取到有效地物信息,缩短分类用时,将卷积神经网络(CNN)模型引入遥感图像地物分类,首先提出由图片模糊加权平均(PFWG)改进的CNN分类方法,利用模糊几何聚类算法作为预处理单元对实验样本进行特征规划,并对遥感地物信息进行多源特征决策,简化了分类过程,加快了CNN模型的收敛速度。实验结果表明,利用PFWG改进的CNN分类方法总体分类精度达到了93.73%;Kappa系数为0.94。该方法有效地弥补了CNN自身对遥感图像分类不够细腻、表达效果差的缺点,较好地完成了多光谱遥感图像分类任务,同时具备一定抗干扰能力。
图像处理 地物分类 卷积神经网络 分类精度 模糊集 激光与光电子学进展
2019, 56(3): 031003
西安建筑科技大学 信息与控制工程学院, 陕西 西安 710055
针对时空上下文算法易发生漂移以及在目标跟踪丢失后不能重新找回目标的问题, 提出了一种融合Vibe前景检测和时空上下文的运动手势跟踪算法。首先使用时空上下文算法对手势预估计并进行干扰检测, 当检测到干扰发生时, 使用Vibe算法对时空上下文算法的预估计结果进行校准, 并更新目标模型。该方法的优势在于, 采用无参数模型的Vibe算法校准手势跟踪全过程。实验采用重叠度成功率和中心偏差作为评价体系, 实验结果表明, 改进算法比原算法跟踪成功率提高60%。该方法增强了运动手势跟踪效果, 提高了时空上下文算法的鲁棒性。
时空上下文 手势跟踪 干扰检测 鲁棒性 space-time context Vibe Vibe gesture tracking interference detection robustness
西安建筑科技大学信息与控制工程学院, 陕西 西安 710055
针对多尺度分割技术中的最优尺度选择问题，提出一种基于分形网络演化方法和改进模糊聚类遥感影像分割的方法。该方法利用分形网络演化方法对原始影像进行小尺度分割，并利用粒子群算法的全局搜索能力，从预分割的小尺度对象中确定最优初始聚类中心，在对小尺度对象聚类合并时，建立具有对象空间信息和对象间相关信息的目标函数，最终得到适应不同尺度地物的分割结果，降低了多尺度分割方法对尺度参数的过度依赖。实验结果表明，该方法可获得高质量的遥感影像分割结果。
遥感 遥感影像 模糊聚类 分形网络演化方法 粒子群算法 激光与光电子学进展
2016, 53(11): 112801
