-
题名基于局部特征空间相关核的图像目标分类
被引量：3
- 1
-
-
作者
陈海林
吴秀清
胡俊华
-
机构
中国科学技术大学电子工程与信息科学系
-
出处
《光电工程》
CAS
CSCD
北大核心
2009年第3期33-38,共6页
-
文摘
为了描述局部特征在图像空间中相对位置关系,提出一种局部特征空间相关核(Spatial Correlation Kernel,SCK)用于图像目标分类。该方法首先提取并量化图像中的局部特征,再计算量化后的局部特征的空间位置自相关度,然后利用直方图交叉匹配两幅图像的空间位置自相关度得到局部特征空间相关核。该核充分利用局部特征的强分辨能力及其空间位置,且SCK具有线性计算复杂度,满足正定条件,可以运用于基于核的学习算法。本文将SCK嵌入支持向量机对公共数据库中图像目标进行分类,实验结果表明,SCK可以获得良好的时间效率和分类性能。
-
关键词
空间相关核
局部特征
空间关系
图像目标分类
-
Keywords
spatial correlation kernel
local feature
spatial relationship
image object classification
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名压缩感知稀疏识别用于多视角图像目标分类
被引量：1
- 2
-
-
作者
刘佶鑫
孙权森
曹国
-
机构
南京理工大学计算机科学与技术学院
-
出处
《应用科学学报》
CAS
CSCD
北大核心
2013年第2期177-182,共6页
-
基金
国家自然科学基金(No.61003108,No.61273251)
南京理工大学自主科研专项计划基金(No.2011ZDJH26)资助
-
文摘
针对多视角条件下的图像目标分类问题,提出一种基于压缩感知特征的稀疏识别方法.该方法以原始图像的感知数据为特征描述,将测试样本与训练样本集的压缩感知特征纳入稀疏识别的框架,并通过求解一个l_1范数优化问题来获取分类结果.实验表明,该方法不仅有效利用了压缩感知特征的信息冗余性来保证稀疏识别的性能,而且无需进行预处理就能较好地实现多视角图像的目标分类.
-
关键词
图像目标分类
多视角
压缩感知
稀疏识别
-
Keywords
image target classification
multi-view
compressed sensing
sparse recognition
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名视觉显著性纹理--色彩特征融合的图像目标分类
被引量：7
- 3
-
-
作者
韩辰希
刘惠义
商国中
-
机构
河海大学计算机与信息学院
-
出处
《电子测量技术》
2017年第11期94-98,共5页
-
文摘
针对图像目标分类,提出了一种显著性纹理特征。考虑到显著目标图像在纹理特征表征上的优势,在目标显著性图像提取的基础上进一步提取视觉显著性纹理特征。进而将该视觉显著性纹理特征同HSV色彩特征进行融合,形成图像目标融合特征,输入至后端分类器中进行分类。多类别的交叉实验证明,基于该融合特征的目标分类方法能够较为准确的对图像目标进行分类,在SIMPLIcity图像数据集上平均分类正确率达到84.84%,在Corel图像集上平均分类正确率为85.05%,优于基于单一分类特征的图像分类方法。
-
关键词
图像目标分类
显著图
特征融合
纹理特征
色彩特征
-
Keywords
image classification
saliency map
feature fusion
texture feature
color feature
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名基于合成孔径雷达回波信号的海洋溢油监测方法研究
被引量：7
- 4
-
-
作者
孙健
胥亚
陈方玺
彭仲仁
-
机构
上海交通大学海洋工程国家重点实验室
上海交通大学船舶海洋与建筑工程学院交通运输与航运系
上海交通大学校友总会
美国佛罗里达大学城市与区域规划系
-
出处
《海洋学报》
CAS
CSCD
北大核心
2014年第9期103-111,共9页
-
基金
海洋赤潮灾害立体监测技术与应用国家海洋局重点实验室开放基金(MATHAB201306)
上海交大海洋工程国家重点实验室青年创新基金(GKZD010059-29)
-
文摘
海洋油污染是各类海洋污染中最常见、分布面积最广且危害程度最大的污染之一。近年来,海洋特别是近海人类活动频繁,且随着海上运输和石油加工业的发展,油田井喷、钻井平台爆炸、船舶碰撞等所造成的溢油事故增多,因而,监测海洋溢油具有重要的经济和社会现实意义。研究采用MatLAB工具,通过图像预处理(图像校正和增强)、特征提取和神经网络识别等方法,对合成孔径雷达(SAR)海洋溢油图像进行处理,最终期望实现半自动区分SAR图像上各类目标,并进行多种神经网络方法效果比较。研究首先对SAR海洋溢油图像进行初步人工识别;然后进行图像预处理(几何校正、滤波处理等)和基于灰度共生矩阵的特征值计算;最后,借助神经网络方法对溢油区域和疑似溢油区域进行分类,输出分类处理后的图像。通过输出图像分析发现,神经网络能对SAR海洋溢油图像中溢油、海水、土地3类目标进行明确分类,且RBF神经网络模型精度高于BP神经网络。本文提出的半自动分类方法不仅能提高SAR图像处理效率,将分类目标扩充有溢油和非溢油扩充到溢油、海水、土地3类,提高图像处理的全面性,同时通过比较RBF和BP神经网络在SAR溢油图像分类上的具体优劣,有着较好实际意义。
-
关键词
合成孔径雷达
海洋溢油
图像目标分类
神经网络
-
Keywords
SAR
synthetic aperture radar
SAR
offshore oil spill
image classification
neural network
-
分类号
TN958
[电子电信—信号与信息处理]
X834
[环境科学与工程—环境工程]
-
