期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于高光谱成像的水稻穗瘟病害程度分级方法
被引量：
32
1
作者
黄双萍
齐龙
+2 位作者
马旭
薛昆南
汪文娟
《农业工程学报》
EI
CAS
CSCD
北大核心
2015年第1期212-219,共8页
为了快速、准确地进行水稻穗瘟病害程度分级,以实现水稻品种抗性评价或精准的田间化学防治,该研究提出了一种光谱词袋(bag of spectrum words,Bo SW)模型分析方法,分析稻穗的高光谱图像,自动评判穗瘟病害程度。首先,稠密规整地将高光谱...
为了快速、准确地进行水稻穗瘟病害程度分级,以实现水稻品种抗性评价或精准的田间化学防治,该研究提出了一种光谱词袋(bag of spectrum words,Bo SW)模型分析方法,分析稻穗的高光谱图像,自动评判穗瘟病害程度。首先,稠密规整地将高光谱图像分割成小立方格,计算每个立方格像素的平均全波段包络矢量,用K-Means算法聚类形成典型光谱包络词典。词典中光谱包络"词"(word)用作高光谱图像表达的"基",直方图统计各光谱"词"在高光谱图像样本中的出现频度,形成光谱图像的词袋表达。采用Hyper SIS-VNIR-QE光谱成像仪获取田间采集的170株稻穗样本高光谱图像,用Bo SW方法生成其词袋表达;植保专家根据病害程度类别确定光谱图像样本标签。随机选择2/3"词袋表达-病害程度等级标签"数据对构成训练集,采用卡方-支持矢量机(chi-square support vector machine,Chi-SVM)分类算法建立穗瘟病害程度分级模型。余下的1/3样本构成测试集,测试穗瘟病害等级模型的预测性能,分类识别精度为94.72%,高于主成分分析(principle component analysis,PCA)、敏感波段选择等传统光谱分析方法,其识别精度分别为83.83%和79.83%。该研究提高了穗瘟病分级的自动化程度和准确率,也可为其他病害分级检测提供参考。
展开更多
关键词
图像处理
病害
分级
高光谱成像
穗瘟
病害程度分析
光谱词袋模型
在线阅读
下载PDF
职称材料
基于卷积词袋网络的视觉识别
被引量：
3
2
作者
薛昆南
薛月菊
+1 位作者
毛亮
刘洪山
《计算机工程与应用》
CSCD
北大核心
2016年第21期180-187,共8页
近年来,卷积神经网络(CNN)凭借其强大的特征学习能力在视觉识别领域取得重要进展。针对CNN全连接层对图像平移、旋转、缩放等变换比较敏感的问题,提出了一种混合模型——卷积词袋网络(Bo CW-Net)。它将Bo W模型嵌入CNN结构中并代替全连...
近年来,卷积神经网络(CNN)凭借其强大的特征学习能力在视觉识别领域取得重要进展。针对CNN全连接层对图像平移、旋转、缩放等变换比较敏感的问题,提出了一种混合模型——卷积词袋网络(Bo CW-Net)。它将Bo W模型嵌入CNN结构中并代替全连接层,通过端到端的方式学习特征、字典和分类器。为实现Bo CW-Net整个网络的有监督学习,提出基于方向相似度的Bo CW编码。同时,为充分利用中层特征和高层特征的鉴别性,将中层辅助分类器与高层分类器集成,形成主-辅集成分类器。实验结果表明:相比全连接层,Bo CW表示对各种变换具有更强的不变性;主-辅集成分类器能有效融合中层、高层特征,提高Bo CW-Net的识别性能;相比新近发展的CNN模型,Bo CW-Net在CIFAR-10、CIFAR-100和MNIST数据库上均取得了改进的识别性能,最终分别获得4.88%、22.48%和0.21%的测试错误率。
展开更多
关键词
卷积神经网络
卷积词袋(BoCW)表示
主-辅集成分类器
在线阅读
下载PDF
职称材料
基于特征融合的人脸素描自动生成系统研究
被引量：
1
3
作者
黄双萍
王卫星
+2 位作者
吴伟斌
薛昆南
冯绮颖
《计算机应用与软件》
CSCD
2015年第4期175-180,共6页
人脸素描作为一门独特的艺术,以其逼真的手法表现人物特征和个性,广泛应用于法律实施、数字娱乐和生活工艺等方面。鉴于其广阔的应用前景,人脸素描自动生成已成为计算机视觉领域的热门话题之一。针对当前人脸素描使用单一图像特征,素描...
人脸素描作为一门独特的艺术,以其逼真的手法表现人物特征和个性,广泛应用于法律实施、数字娱乐和生活工艺等方面。鉴于其广阔的应用前景,人脸素描自动生成已成为计算机视觉领域的热门话题之一。针对当前人脸素描使用单一图像特征,素描效果不够精细,建立的模型对光照变化比较敏感等问题,提出在使用马尔可夫随机场(MRF)模型和置信度传播算法(BP)基础上进行光照鲁棒性细节技术设计,融合多种主流视觉特征进行人脸素描自动生成。首先,将人脸素描分割成交叠图像块,使用Do G、Dense SIFT、Gray,LBP,gist等特征定义能量函数,建立MRF模型;然后,利用BP算法进行推理,估计测试照片块对应的素描块;最后,对素描块交叠区域进行处理,拼接成一幅完整的人脸素描。实验结果表明,使用Sum-Product置信度传播算法进行推理,对素描块重叠区域用平均法进行拼接,素描合成达到较好视觉效果,且具有较好光照鲁棒性。
展开更多
关键词
人脸素描
马尔可夫随机场模型
置信度传播
特征融合
在线阅读
下载PDF
职称材料
题名
基于高光谱成像的水稻穗瘟病害程度分级方法
被引量：
32
1
作者
黄双萍
齐龙
马旭
薛昆南
汪文娟
机构
华南农业大学南方农业机械与装备关键技术省部共建教育部重点实验室
华南农业大学工程学院
广东省农业科学院植物保护研究所
出处
《农业工程学报》
EI
CAS
CSCD
北大核心
2015年第1期212-219,共8页
基金
国家自然科学基金(31101087)
广东省自然科学基金项目(S2013010014240)
国家科技支撑计划子课题(2013BAJ13B05-01)资助
文摘
为了快速、准确地进行水稻穗瘟病害程度分级,以实现水稻品种抗性评价或精准的田间化学防治,该研究提出了一种光谱词袋(bag of spectrum words,Bo SW)模型分析方法,分析稻穗的高光谱图像,自动评判穗瘟病害程度。首先,稠密规整地将高光谱图像分割成小立方格,计算每个立方格像素的平均全波段包络矢量,用K-Means算法聚类形成典型光谱包络词典。词典中光谱包络"词"(word)用作高光谱图像表达的"基",直方图统计各光谱"词"在高光谱图像样本中的出现频度,形成光谱图像的词袋表达。采用Hyper SIS-VNIR-QE光谱成像仪获取田间采集的170株稻穗样本高光谱图像,用Bo SW方法生成其词袋表达;植保专家根据病害程度类别确定光谱图像样本标签。随机选择2/3"词袋表达-病害程度等级标签"数据对构成训练集,采用卡方-支持矢量机(chi-square support vector machine,Chi-SVM)分类算法建立穗瘟病害程度分级模型。余下的1/3样本构成测试集,测试穗瘟病害等级模型的预测性能,分类识别精度为94.72%,高于主成分分析(principle component analysis,PCA)、敏感波段选择等传统光谱分析方法,其识别精度分别为83.83%和79.83%。该研究提高了穗瘟病分级的自动化程度和准确率,也可为其他病害分级检测提供参考。
关键词
图像处理
病害
分级
高光谱成像
穗瘟
病害程度分析
光谱词袋模型
Keywords
image processing
diseases
grading
hyperspectral image
panicle blast
disease level analysis
bag of spectrum words （BoSW） model
分类号
S24 [农业科学—农业电气化与自动化]
在线阅读
下载PDF
职称材料
题名
基于卷积词袋网络的视觉识别
被引量：
3
2
作者
薛昆南
薛月菊
毛亮
刘洪山
机构
华南农业大学电子工程学院
出处
《计算机工程与应用》
CSCD
北大核心
2016年第21期180-187,共8页
基金
国家自然科学基金委员会-广东联合基金(No.U1301253)
广东省科技计划项目(No.2014A020208108)
文摘
近年来,卷积神经网络(CNN)凭借其强大的特征学习能力在视觉识别领域取得重要进展。针对CNN全连接层对图像平移、旋转、缩放等变换比较敏感的问题,提出了一种混合模型——卷积词袋网络(Bo CW-Net)。它将Bo W模型嵌入CNN结构中并代替全连接层,通过端到端的方式学习特征、字典和分类器。为实现Bo CW-Net整个网络的有监督学习,提出基于方向相似度的Bo CW编码。同时,为充分利用中层特征和高层特征的鉴别性,将中层辅助分类器与高层分类器集成,形成主-辅集成分类器。实验结果表明:相比全连接层,Bo CW表示对各种变换具有更强的不变性;主-辅集成分类器能有效融合中层、高层特征,提高Bo CW-Net的识别性能;相比新近发展的CNN模型,Bo CW-Net在CIFAR-10、CIFAR-100和MNIST数据库上均取得了改进的识别性能,最终分别获得4.88%、22.48%和0.21%的测试错误率。
关键词
卷积神经网络
卷积词袋(BoCW)表示
主-辅集成分类器
Keywords
convolutional neural networks
Bag of Convolutional Words(BoCW)representation
main-auxiliary ensemble classifier
分类号
TP183 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
基于特征融合的人脸素描自动生成系统研究
被引量：
1
3
作者
黄双萍
王卫星
吴伟斌
薛昆南
冯绮颖
机构
华南农业大学工程学院
出处
《计算机应用与软件》
CSCD
2015年第4期175-180,共6页
基金
国家自然科学基金项目(30871450)
广东省自然科学基金项目(S2013010014240)
国家科技支撑计划子课题(2013BAJ13B05-01)
文摘
人脸素描作为一门独特的艺术,以其逼真的手法表现人物特征和个性,广泛应用于法律实施、数字娱乐和生活工艺等方面。鉴于其广阔的应用前景,人脸素描自动生成已成为计算机视觉领域的热门话题之一。针对当前人脸素描使用单一图像特征,素描效果不够精细,建立的模型对光照变化比较敏感等问题,提出在使用马尔可夫随机场(MRF)模型和置信度传播算法(BP)基础上进行光照鲁棒性细节技术设计,融合多种主流视觉特征进行人脸素描自动生成。首先,将人脸素描分割成交叠图像块,使用Do G、Dense SIFT、Gray,LBP,gist等特征定义能量函数,建立MRF模型;然后,利用BP算法进行推理,估计测试照片块对应的素描块;最后,对素描块交叠区域进行处理,拼接成一幅完整的人脸素描。实验结果表明,使用Sum-Product置信度传播算法进行推理,对素描块重叠区域用平均法进行拼接,素描合成达到较好视觉效果,且具有较好光照鲁棒性。
关键词
人脸素描
马尔可夫随机场模型
置信度传播
特征融合
Keywords
Facial sketch
Markov random filed model
Belief propagation
Feature fusion
分类号
TP3 [自动化与计算机技术—计算机科学与技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于高光谱成像的水稻穗瘟病害程度分级方法
黄双萍
齐龙
马旭
薛昆南
汪文娟
《农业工程学报》
EI
CAS
CSCD
北大核心
2015
32
在线阅读
下载PDF
职称材料
2
基于卷积词袋网络的视觉识别
薛昆南
薛月菊
毛亮
刘洪山
《计算机工程与应用》
CSCD
北大核心
2016
3
在线阅读
下载PDF
职称材料
3
基于特征融合的人脸素描自动生成系统研究
黄双萍
王卫星
吴伟斌
薛昆南
冯绮颖
《计算机应用与软件》
CSCD
2015
1
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
