- 标题
- 摘要
- 关键词
- 实验方案
- 产品
-
[IEEE 2018年第20届国际多媒体信号处理研讨会(MMSP) - 加拿大不列颠哥伦比亚省温哥华(2018年8月29日-8月31日)] 2018 IEEE第20届国际多媒体信号处理研讨会(MMSP) - 高光谱图像分类的深度迁移学习
摘要： 高光谱图像（HSI）包含海量样本、大量波段以及随机出现的冗余信息。对此类复杂数据进行分类具有挑战性，且分类性能通常受标注训练样本数量的显著影响。采集这类标注样本既耗时又费力，这促使人们萌生从其他既有相关图像中借用和复用标注样本的思路。因此，能够缓解现有高光谱图像与新图像之间语义差异的迁移学习方法，近年来日益受到研究关注。然而，现有针对高光谱图像的迁移学习方法主要聚焦于如何克服图像间的差异，在迁移过程中可能忽略了高层潜在特征。基于这一观察，本文提出两个新思路：通过构建并连接源与目标高光谱数据的高层特征，进一步克服跨域差异。与现有方法不同，所提出的分类框架无需目标域的先验知识，且适用于同质与异质高光谱数据。真实高光谱图像的实验结果表明，该方法对高光谱图像分类具有重要意义。
关键词： 监督分类，显著样本，高光谱图像，迁移学习
更新于2025-09-23 15:23:52
-
[IEEE 2018第八届图像处理理论、工具与应用国际会议(IPTA) - 中国西安(2018.11.7-2018.11.10)] 2018第八届图像处理理论、工具与应用国际会议(IPTA) - 面部图像中的驾驶员疲劳检测
摘要： 从图像和视频中提取疲劳的有效特征是一个尚未解决的问题。本文提出了一种可用于静态帧中驾驶员疲劳判别的人脸图像描述符。该方法首先将序列中的每张人脸图像表示为金字塔结构，其层级被划分为大小相同的非重叠块，并采用混合图像描述符提取所有块的特征。随后通过特征选择对所得描述符进行筛选。最后运用非线性支持向量机预测图像中受试者的困倦状态。该方案在公开数据集NTHUDDD（台湾大学疲劳驾驶检测数据集）上进行了测试，该数据集包含真实疲劳状态下不同性别、姿态及光照条件的广泛人群样本。实验结果表明所提方法具有有效性，且手工设计特征相比多种基于深度卷积神经网络的方法表现更优。
关键词： 手工特征、监督分类、困倦检测、深度特征
更新于2025-09-23 15:22:29
-
应用于高光谱图像分类的GPU扩展属性剖面
摘要： 扩展剖面是多尺度建模高光谱图像空间信息的重要技术，在分类等预处理环节应用广泛?；谛翁粜月瞬ㄆ鞫酝枷窳ǚ至看淼氖粜云拭娣椒ㄒ颜瓜殖鲇乓煨Ч?。本文针对多/高光谱影像，提出基于CUDA的面积与标准差双属性并行计算方案：该方案采用基于最大树原理但不实际构建树结构的方法，通过矩阵数据结构配合递归泛洪（组分合并）与滤波流程实现剖面计算；并先期运用小波变换对高光谱影像进行特征提取以获取关键光谱信息，从而缩减最终剖面规模。该方案充分利用GPU数千线程的并行能力，相比OpenMP多线程CPU实现获得显著执行时间优化。
关键词： 遥感、属性剖面、GPU、实时处理、高光谱、监督分类
更新于2025-09-23 15:22:29
-
结合区域选择与监督分类方法利用激光诱导击穿光谱鉴别葡萄籽
摘要： 酿酒行业会产生大量葡萄皮渣。作为皮渣的重要组成部分，葡萄籽富含生物活性化合物，可再利用生产有用衍生物。葡萄籽的营养特性很大程度上受品种影响，这需要有效的品种鉴别方法。本研究采用激光诱导击穿光谱（LIBS）技术采集了三个不同葡萄品种籽粒的光谱特征，运用三种传统监督分类方法和一种深度学习方法（一维卷积神经网络CNN）建立判别模型，探究光谱响应与品种信息的关系。区间偏最小二乘法（iPLS）成功提取出与葡萄籽元素组成相关的光谱区间（402.74-426.87 nm）。通过对比全光谱与选定光谱区间的判别模型，基于全光谱的CNN模型展现出最优整体性能，在校正集和预测集的分类准确率分别达到100%和96.7%。该研究证实了LIBS技术作为快速准确鉴别葡萄籽方法的可靠性，有助于利用具有理想营养特性的特定基因型品种，而非将其作为废弃物丢弃。
关键词： 葡萄籽，激光诱导击穿光谱，监督分类，区域选择，深度学习
更新于2025-09-16 10:30:52
-
[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年7月22日-7月27日）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 基于混合神经网络的高光谱图像分类
摘要： 卷积神经网络（CNN）能够提取空间语义特征，在许多计算机视觉任务中表现出色。本文提出混合神经网络（HNN），可在同一深度网络中同时提取空间与光谱特征。该网络由不同类型的隐藏层构成，包括空间结构层、空间上下文层和光谱层。这些层级作为有机整体网络运作，从高光谱数据中挖掘尽可能多的有效信息用于分类。实验结果表明，该方法性能优于其他最先进的神经网络方法。此外，该方案为利用深度网络处理多维数据提供了新途径。
关键词： 监督分类、特征学习、高光谱图像（HSI）、卷积神经网络（CNN）
更新于2025-09-10 09:29:36
-
极化特征与结构梯度张量融合的高分辨率极化合成孔径雷达图像分类
摘要： 本文提出了一种针对高空间分辨率（VHR）全极化合成孔径雷达（PolSAR）图像的快速纹理监督分类框架。随着极化雷达遥感技术的发展，获取的图像不仅包含丰富的极化特征，还具备高空间信息量。因此，VHR PolSAR数据中几何结构与异质纹理的概念愈发重要。此外，当空间分辨率提高时，需处理大尺寸图像数据。本文旨在通过融合极化特征与结构特征来表征纹理，并用于分类任务。首先提取加权相干矩阵的极化特征和基于Di Zenzo结构张量的局部几何信息，采用协方差方法进行融合；随后利用适用于协方差描述符的黎曼距离度量执行监督分类。为加速计算，我们仅对图像特征点（而非全部像素）进行纹理描述与分类。在VHR F-SAR数据和AIRSAR弗莱福兰图像上的实验表明，该框架在地形分类与区分方面取得了极具前景且具有竞争力的结果。
关键词： 极化合成孔径雷达（PolSAR）、梯度张量、协方差描述符、纹理、黎曼距离、监督分类
更新于2025-09-09 09:28:46
-
[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 - 基于MRF的高光谱图像分类决策融合
摘要： 高光谱图像的高维度特性、真实标记数据的有限性以及较低的空间分辨率（导致像素包含多种物质混合）阻碍了高光谱图像分类。本研究提出一种新型高光谱分类方法，将光谱解混结果与监督分类器输出相结合。具体而言，我们采用稀疏解混法获取的分数丰度与多项逻辑回归分类器获得的后验概率，通过马尔可夫随机场框架融合这两类信息。我们在公开的真实高光谱数据集（Indian Pines和University of Pavia）上使用极少量训练样本进行实验，结果表明：相比单独使用任一信息源，所提出的决策融合方法显著提升了分类效果，且优于现有最先进方法。
关键词： MRF决策融合、监督分类、解混
更新于2025-09-09 09:28:46