- 标题
- 摘要
- 关键词
- 实验方案
- 产品
-
基于热成像数据分析的聚合物复合材料无损缺陷评估：一种流形学习方法
摘要： 近年来，多种热成像数据分析方法被应用于无损检测（NDE）领域以处理热图像并增强缺陷的可见性。然而，这些方法大多仅提取线性特征，导致结果繁杂。本研究将流形学习引入热成像数据分析领域。作为一种非线性降维技术，流形学习能在高维数据空间中识别出本质上的低维流形。具体而言，本文提出一种基于等距特征映射（ISOMAP）的流形学习热像（MLT）方法来分析热成像数据，该方法能有效区分热图像中包含的不均匀背景、噪声和缺陷特征，使缺陷检测更为便捷。通过碳纤维增强聚合物（CFRP）试样验证了MLT的可行性。结果表明，与传统线性方法相比，本方法能更准确地确定缺陷信息，包括位置、尺寸和形状。
关键词： 热成像数据分析、无损评估、流形学习、主动红外热成像、碳纤维增强聚合物
更新于2025-09-23 15:22:29
-
基于流形学习的多模态医学图像配准：全数据或部分数据情况
摘要： 多模态图像配准是将采用多种成像模式获取的两幅或多幅图像中存储的信息进行整合的首要步骤。除图像间存在强度差异和结构差异外，它们可能具有部分或完全重叠区域，这为配准过程的成功实施增添了额外障碍。本文提出一种多模态至单模态的转换方法，该方法便于直接应用成熟可靠的单模态配准技术，从而在图像完全（全）与不完全（部分）重叠两种情况下均能实现多模态图像的精确对齐。所提出的转换方法有助于恢复显著的尺度、旋转和平移参数。我们对该方法进行了全面阐释并讨论了参数选择问题。为评估效果，采用包含完整数据的模拟及临床人脑图像，将本方法与广泛使用的基于信息论的技术进行对比验证。通过RIRE数据集测试显示：将CT图像分别与PD-MRI、T1-MRI及T2-MRI配准时，获得的平均绝对误差分别为1.37毫米、1.00毫米和1.41毫米。最后，我们通过实验研究了该转换方法在配准多模态部分重叠图像时的有效性。
关键词： 部分重叠图像、多模态、流形学习、医学图像配准
更新于2025-09-23 17:44:40
-
[IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 西班牙瓦伦西亚（2018.7.22-2018.7.27）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 高光谱图像分类的主动流形学习
摘要： 通过监督方法进行高光谱图像分类常受光谱特征高维特性和训练样本相对稀缺的影响。降维（DR）与主动学习（AL）是分别针对这两个问题而研究的两种技术?？悸堑礁吖馄资莸姆窍咝蕴匦约白允视ττ肁L的必要性，本文提出将流形学习与主动学习整合至统一框架以同步缓解上述两个问题。具体而言，采用监督等距映射（Isomap）对训练集进行降维，继而通过样本外扩展方法将大量未标记样本投影至先前学习的嵌入空间。最后，在嵌入特征空间中结合k近邻（kNN）分类执行主动学习?；几吖馄资菁系氖笛檠橹ち烁每蚣茉诮滴胩卣骺占溆呕矫娴挠行?。
关键词： 分类、流形学习、高光谱图像、主动学习、样本外扩展
更新于2025-09-10 09:29:36
-
基于鲁棒局部判别投影的SAR图像目标识别
摘要： 提取有价值且具有判别性的特征是合成孔径雷达（SAR）图像目标识别的关键问题之一。本研究提出了一种基于鲁棒局部判别投影（RLDP）的SAR目标识别特征提取方法。为表征SAR图像的局部结构信息，引入监督局部保持投影这一流形学习技术来学习线性投影，从而将SAR图像映射到隐式特征空间。随后，作者将t分布随机邻域嵌入扩展为参数化框架以优化该线性投影。在所得特征空间中，既能保持同类样本的内在邻域关系，又能增强不同类样本的分离度。与多数局部流形学习方法不同，本方法对邻域参数变化具有鲁棒性。为进一步分析非线性结构，提出了RLDP的有用变体——核RLDP（KRLDP）。KRLDP在隐式再生核希尔伯特空间中运用RLDP，通过学习基于核的非线性投影来捕捉非线性结构信息。在运动与静止目标自动识别数据库上的大量实验验证了所提方法的有效性。
关键词： 合成孔径雷达、流形学习、目标识别、特征提取、核相关局部判别投影、相关局部判别投影
更新于2025-09-09 09:28:46