期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于超像素与纹理特征的高光谱图像分类方法
1
作者 陈如俊 王子佳 +3 位作者 张敏 曹帅帅 王雪峰 顾艳霜 《无线电工程》 2025年第5期984-992,共9页
针对高光谱图像(Hyperspectral Images,HSI)分类中因样本数量不足致使分类结果精度偏低和提取冗余纹理特征导致分类效率低下的问题,提出一种基于超像素和纹理特征的HSI分类方法。采用主成分分析(Principal Component Analysis,PCA)提取... 针对高光谱图像(Hyperspectral Images,HSI)分类中因样本数量不足致使分类结果精度偏低和提取冗余纹理特征导致分类效率低下的问题,提出一种基于超像素和纹理特征的HSI分类方法。采用主成分分析(Principal Component Analysis,PCA)提取HSI前6个主成分作为光谱波段后,以6个光谱波段作为输入,进行超像素分割并将基于点标记样本映射到超像素内,同时获取超像素块在0°、90°、180°、270°方向贡献率最大的4个纹理特征因子,将纹理特征、光谱特征和空间特征结合,基于超像素块,采用支持向量机(Support Vector Machines,SVM)完成HSI分类。实验结果表明,在2个数据集上,其分类结果精度由97.82%、94.58%提高到98.5%、95.33%。相对于提取多个方向多个纹理特征的方案,所提方法具有较好的分类效率。 展开更多
关键词 高光谱 超像素 纹理特征 主成分分析 空-谱融合
在线阅读 下载PDF
带蒂随意真皮下血管网皮瓣修复手背或手掌合并多指Ⅳ度烧伤 被引量:1
2
作者 叶胜捷 张文振 +1 位作者 庞淑光 陈如俊 《中国实用医药》 2013年第23期55-56,共2页
目的观察带蒂随意真皮下血管网皮瓣修复手部背侧或掌侧同时伴有多指Ⅳ度烧伤创面的临床效果。方法 112例手部Ⅳ度烧伤者中,均伴有多指深度烧伤,采用下腹部或大腿上段带蒂随意真皮下血管网皮瓣覆盖。结果 112例皮瓣均存活良好,外形及功... 目的观察带蒂随意真皮下血管网皮瓣修复手部背侧或掌侧同时伴有多指Ⅳ度烧伤创面的临床效果。方法 112例手部Ⅳ度烧伤者中,均伴有多指深度烧伤,采用下腹部或大腿上段带蒂随意真皮下血管网皮瓣覆盖。结果 112例皮瓣均存活良好,外形及功能恢复满意。结论对于手部背侧或掌侧同时伴有多指Ⅳ度烧伤,采用上述皮瓣修复,该方法具有手术操作简单,皮瓣存活率高等诸多优点。 展开更多
关键词 真皮下血管网皮瓣 手部IV度烧伤 创面修复
在线阅读 下载PDF
改进的UNet3+网络高分辨率遥感影像道路提取 被引量:3
3
作者 周家厚 普运伟 +3 位作者 陈如俊 邓云龙 周鑫城 李俊 《激光杂志》 CAS 北大核心 2024年第2期161-168,共8页
为解决UNet3+网络随深度加深出现大量融合冗余操作以至于模型训练时间过长而导致在道路提取中运用较少的问题,对UNet3+网络进行改进,通过删减UNet3+的网络层级使用Bottleneck模块替换原有网络中的卷积层,保留网络特征融合能力的同时降... 为解决UNet3+网络随深度加深出现大量融合冗余操作以至于模型训练时间过长而导致在道路提取中运用较少的问题,对UNet3+网络进行改进,通过删减UNet3+的网络层级使用Bottleneck模块替换原有网络中的卷积层,保留网络特征融合能力的同时降低网络复杂度,并引入混合注意力机制优化模型,构建了一个新的网络模型。将改进方法与几种典型的道路提取模型做对比。实验结果表明:(1)所提方法相较于Unet3+网络在、Recall、IOU、ACC四个指标上分别提升了4.72%、2.46%、4.84%、2.01%,均优于对比算法;(2)对比几个经典的特征提取模型,改进的模型具有更好的识别效果,在道路提取的精度、连接性、完整性等方面均表现出优越性。 展开更多
关键词 深度学习 注意力机制 UNet3+ 道路提取 跳跃连接
在线阅读 下载PDF
融合空-谱信息的随机森林高光谱图像分类方法 被引量:3
4
作者 周家厚 普运伟 +2 位作者 陈如俊 吴锋振 何万才 《激光杂志》 CAS 北大核心 2023年第11期60-66,共7页
针对现有高光谱图像分类算法存在空-谱特征利用率不足的问题,提出一种空-谱信息融合的随机森林网络分类方法,首先利用主成分分析PCA(Principal Component Analysis)将高光谱图像降维,以前三个主成分作为图像输入并采用卷积滤波进行处理... 针对现有高光谱图像分类算法存在空-谱特征利用率不足的问题,提出一种空-谱信息融合的随机森林网络分类方法,首先利用主成分分析PCA(Principal Component Analysis)将高光谱图像降维,以前三个主成分作为图像输入并采用卷积滤波进行处理,接着对滤波后图像进行超像素分割,然后将选取的样本像素点映射到超像素内实现图像空间信息和特征增强,最后将加入空-谱信息的超像素样本点采用随机森林网络对高光谱图像进行训练并精细化分类(简称PS-RF)。实验结果表明,基于空-谱结合相较于仅利用光谱信息在k-最近邻、支持向量机、决策树、随机森林模型上精度分别提升了25.95%,10.9%,21.72%,23.35%,所提方法精度达到90.55%。 展开更多
关键词 高光谱 随机森林 空-谱信息 滤波 主成分分析
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部