【摘 要】
:
道路是现代交通的主要组成部分,对于管理和更新地理信息系统数据库中的道路信息非常重要.目前,自动提取道路网络的主要数据源为遥感图像数据,但随着近年来遥感影像的地面分辨率不断提高,图像中地物信息愈加丰富,对图像中道路信息的提取难度也随之增大.文章主要展开一种利用机器学习对高分辨率遥感图像的道路提取研究.首先对高分辨遥感图进行预处理,然后对图像进行特征提取,利用BP神经网络对特征进行训练,最后将需要道路提取的高分辨率遥感图区域分割.对每一个区域进行目标检测时,去除图像中非道路区域,并利用形态学方法提取出区域中的
【机 构】
:
南京林业大学信息科学技术学院 南京 210037;江苏开放大学信息工程学院 南京 210017
论文部分内容阅读
道路是现代交通的主要组成部分,对于管理和更新地理信息系统数据库中的道路信息非常重要.目前,自动提取道路网络的主要数据源为遥感图像数据,但随着近年来遥感影像的地面分辨率不断提高,图像中地物信息愈加丰富,对图像中道路信息的提取难度也随之增大.文章主要展开一种利用机器学习对高分辨率遥感图像的道路提取研究.首先对高分辨遥感图进行预处理,然后对图像进行特征提取,利用BP神经网络对特征进行训练,最后将需要道路提取的高分辨率遥感图区域分割.对每一个区域进行目标检测时,去除图像中非道路区域,并利用形态学方法提取出区域中的道路信息.实验表明,该方法在应对建筑物、植被等对道路提取有干扰时,识别效率明显提升.
其他文献
针对互信息配准方法耗时较长、容易陷入极值的缺陷,提出采用ReNet的方法提取图像边缘,构建边缘特征点互信息能量函数,通过改进Powell算法对配准进行优化.通过实验,基于特征点互信息的医学图像配准方法与结构互信息相比,在配准准确率大致相同的情况下,配准所需时间大幅降低.
以酪氨酸和左旋多巴混合溶液中左旋多巴的紫外光谱数据为研究对象,首先用Kennard-Stone算法对样品集进行分割;然后使用ν-SVR和ε-SVR算法对核进行建模,以建立不同的核.紫外光谱定量分析模型中左旋多巴含量的功能;最后,采用粒子群算法对参数进行了优化,并与传统的PLS算法进行了比较.实验结果表明,由ν-SVR,ε-SVR和PLS建立的左旋多巴含量校正模型具有较高的准确性,预测性能略有不同.在预测集实验中,PLS,ν-SVR(RBF)和ε-SVR(RBF)算法的预测均方根误差分别为1.755、0.8
特征点匹配是图像匹配领域中一项重要研究内容.暴力匹配中强调缺少特征匹配不是由于太少的正确匹配,而在于很难分辨真假,故加入模板匹配进行约束,提出一种改进模板匹配算法.为了提升匹配速度和精度,该算法通过提供特征点的坐标,可以计算出每个特征点的得分值,并将其用于从输入图像中提取模板.基于输入图像和另一幅图像之间的模板匹配,使用暴力匹配算法在模板和匹配区域之间进行特征点匹配.该算法可以将高匹配数转换为高匹配质量.实验结果表明,该算法匹配速度较快、准确度较好.
针对解决煤岩显微图像组分分析过程中,利用图像分割方法遇到的精度较低问题.论文提出了一种基于UN?et++模型的图像分割方法.该方法首先将已标记的煤岩显微图像与基于Lovász-Softmax的分割损失相结合,实现对UNet++模型进行训练.再利用训练后的模型对煤岩显微图像按照组分类别进行分割标记.最后,对标记区域进行占比计算,完成煤岩显微图像组分的分析过程.实验结果表明,与K-means算法以及使用交叉熵训练的UNet++模型相比,论文所提算法更关注于各组分的纹理信息差异,且受图像中组分占比不均问题影响较
论文提出一种基于双向LSTM的气动回路故障诊断方法,使用AMESim软件建立某生产线的气动回路仿真模型,模拟气动回路的单重故障和多重故障,记录仿真数据,制作该气动回路的故障诊断数据集,在Matlab环境下建立双向LSTM网络架构进行气动回路故障诊断实验与分析,结果表明双向LSTM模型在多重故障识别的正确率高于LSTM模型以及传统的诊断方法.
微表情识别的难点是情绪持续时间短,面部动作变化微小.为此,提出一种基于相邻双交叉局部二值模式(ADCP-TOP)的微表情识别方法,针对微表情特点将邻域像素之间关系引入,使得对细节信息提取更丰富,捕捉微小变化能力增强.通过对奇偶位置的采样点分开编码,将结构信息量化,在保证信息量增加的同时使维度减小,并增强鲁棒性.此外,通过面部动作单元划分细粒度感兴趣区域(FROI)提取ADCP-TOP特征,以进一步增强对细节信息提取能力.最后,在SMIC和CASME2数据库中的实验表明,提出的识别方法取得更高识别率.
恶意行为检测是通过观察分析智能体一系列行为过程中的动作和行为识别其行为目的的方法.为了排除智能体行为的复杂性、误导性带来的影响,以隐马尔可夫为基础构造规划识别方法,综合分析多个智能体行为之间的关联关系推测行为目的性.文章提出恶意行为检测模型的整体框架,简述了复杂数据下的特征抽象方法,进而提出基于隐马尔可夫实现的规划识别方法,利用可观察节点与隐藏节点之间的关联关系分析预测.以UNIX系统日志为对象设计实验实例,验证方法的有效性,实验结果表明在合理提取攻击特征的情况下,方法对于恶意行为操作有较好的学习与检测性
网络时间隐通道以违反安全策略的形式传递信息且以难以检测,为了减少不必要的安全隐患,网络时间隐通道的检测已成为网络安全领域亟需解决的问题.针对现有检测方法仅反映一维特征的缺陷,提出一种基于二维图像特征的网络时间隐通道的检测方法,通过将网络流隐蔽通道在时间轴上的特性关系反映到二维图像的纹理特性上,进而通过基于灰度共生矩阵的纹理特征描述方法实现网络时间隐通道检测.研究结果表明该方法可以显著提高网络隐通道的检测效率和准确率.
脑肿瘤MRI图像形态各异,类别严重不平衡,采用传统机器学习的半自动分割或深度学习的全自动分割方法,分割精度都不高.针对此问题,文章将3D U-Net[1]模型改进成一个层数更深的网络模型,此结构可以提取更多图像特征,但同时会导致网络难以训练,收敛过慢.为应对这种情况设计了一个叠加式残差块,在保留更多图像特征的同时,避免了深层网络无法收敛的问题.另外以混合损失函数代替传统Dice损失函数,可以增加脑肿瘤像素区域对总损失的贡献,提高稀疏分类错误对模型的惩罚,缓解数据类别不平衡问题.实验结果表明,在全肿瘤区域、
目前机器阅读理解的注意力网络主要基于LSTM或GRU,由于RNNs的本质,训练和推理非常耗时.此外,这些模型使用粗粒度的注意机制来定位答案的边界.为了解决上述问题,论文提出了一个双重的简单递归单元(DSRU)和一个细粒度的指针网络,并且提出了一种新的机器阅读注意网络(FGAN),旨在回答给定的叙事段落的问题,该网络性能良好,且耗时较短.在Stanford Question Dataset(1.1)上展示了模型的有效性,该单一模型在开发集上获得了85.1的F1分.此外,在2.0上进行的辅助实验表明,该单一模