基于局部高斯混合特征提取的高光谱图像分类

为了进一步提高高光谱图像的分类精度,提出一种基于局部高斯混合特征提取的分类(LGMFEC)方法.LGMFEC方法首先基于高光谱图像的空间结构为每个样本构建局部邻域集合,然后从局部邻域集合中提取高斯混合特征来充分表征空间-光谱信息及相关变化信息,最后将局部高斯混合特征融入包含黎曼核函数的支持向量机(SVM)分类器中,从而...     

基于SoC的海天背景下红外斑状目标检测技术

基于红外目标检测的算法在军事和民用领域发挥着重要的作用,然而,在低信噪比条件下,对于飞机、船舶等红外斑状目标的检测存在难度大,误检率、虚警率高等困难。对此,提出了一种基于机器学习的红外斑状目标的算法,检测像素面积在3×3到100×100的红外目标。算法部分采用了形态学方法对目标进行预提取,并使用HOG特征提取与SVM机器学习分类出真实目标。算法分别在大、中、小三个尺度的目标检测上实现了94.01%、92.86%和92.19%的检测精度。此外,在SoC平台上实现了该算法,在低资源使用率的基础上,算法具有很高的实时性。     

基于深度学习的流场时程特征提取模型

特征识别是流体力学的重要研究方向,然而在中高雷诺数情况下物体的尾流流场复杂,难以通过传统方法实现特征的提取与识别.深度学习理论与技术的不断发展为复杂流场特征的识别提供了新方法.基于流场时程数据的深度学习模型,本文研究了4种模型对尾流场特征提取与识别的精度,得到了针对流场时程特征提取的高精度新方法.结果表明:所提出的模型能够识别尾流物理时程的不同特征,并通过流场时程实现了目标的外形识别,验证了方法的可行性;同时结果表明基于卷积运算的深度学习模型精度高,适用于流场时程数据的特征分析;深度学习网络结构更深、层间结构复杂的残差卷积网络识别精度最高,是尾流时程分析的高精度算法.本文所提方法从流场物理量时程的角度对流场特征进行了提取与识别,证明了深度学习方法具有较高的识别精度,是研究流场特征的重要途径.     

基于光谱结构特性的马铃薯干腐和疮痂病识别方法研究

马铃薯干腐病和疮痂病的检测通过人工目测,结果存在主观性,该工作研究正常、干腐和疮痂病马铃薯的光谱分类识别方法。试验获取116个样本,光谱采集范围860～1 745 nm。经过一阶导数(first derivative, FD)处理后的光谱数据,主成分(PCA)分类识别效果较好,FD作为光谱预处理方法。光谱曲线上的极值点、极值点间的中点和极值点间连线的斜率决定光谱曲线的形状和变化,是曲线上的关键点,光谱曲线形状变化代表着内部物质的变化,具有指纹特性,利用极值点和中点对应的光谱或极值点间连线的斜率组成模式特征向量。分别用3种样本关键点的平均光谱形成标准模式特征向量,通过计算待测样本关键点组成的特征向量和标准模式特征向量之间的马氏距离,以最小马氏距离判定样本的归属,通过错误识别率检验模型识别性能。正常、干腐、疮痂样本分别有13, 12, 15个关键点,由各自关键点对应的反射率组成的模式特征向量,3类样本的错误识别率为0。去掉冗余关键点整合成一个标准模式特征向量,正常和疮痂样本的错误识别率为0,干腐样本的错误识别率为14.3%,全部错误识别为疮痂样本,特征向量数据点的增多,增加了病害样本之间的...     

基于拉曼光谱的电线绝缘材料老化状态评估

电线绝缘材料老化状态的准确评估有助于减少因电线绝缘老化引起的火灾,该实验基于拉曼光谱检测平台及自行搭建的老化设备,对13种电线绝缘材料(聚偏氟乙烯、聚丙烯、聚四氯乙烯、尼龙、亚大尼龙、聚氨酯、乳胶、聚全氟乙丙烯树脂、橡胶、聚乙烯、聚氯乙烯、硅胶、进口硅胶)进行加速温度老化以及加速紫外老化试验并定期检测,温度老化10个时间段,时间间隔为32 h,每个老化时间15个样本数据,获得温度老化的每种材料共150个样本光谱数据;紫外老化13个时间段,时间间隔16 h,每个老化时间15个样本数据,获得紫外老化的每种材料共195个样本光谱数据。依据老化时间段,温度老化分为10类,紫外老化分为13类,采用线性回归分类和支持向量机对原始光谱数据进行分类,两种分类算法准确率均在80%以上的材料有尼龙、聚氨酯、特氟龙、橡胶等,但部分材料的分类准确率却低于70%,在对原始光谱数据进行支持向量机分类时,由于样本数量多以及光谱维度高,支持向量机分类所需时间较长,为进一步提升分类准确率以及分类速度,对原始光谱数据进行迭代自适应加权惩罚最小二乘法、五点三次平滑等预处理方法,采用PCA压缩,样本光谱维数从2 048维降至...     

基于XY双变量特征提取策略的秸秆炭热值LIBS定量分析

农业生物质能已逐步成为我国现代工业主要清洁能源之一。利用激光诱导击穿光谱（LIBS）技术实现秸秆炭热值（CV）精准预测。针对传统X自变量特征提取方法在LIBS定量分析秸秆炭CV过程中缺陷问题,提出了一种XY双变量特征提取法。研究首先分析了秸秆炭CV与各元素含量之间相关性,选取与CV相关性极显著（p<0.01）的Y型特征变量,其主要获取了以炭单质、芳香环和羧基等形式存在的C,O,H和Na元素的分析线展宽波段;同时通过筛选偏最小二乘回归（PLSR）模型回归系数阈值获取与CV相关的X型特征变量,当阈值为4×10-5时模型交互验证均方根误差（RMSECV）降至最低值,其所对应的变量主要为参与农作物生理生长的Ca,Cr,Mg和K元素的分析线光谱线。基于所提取XY双特征变量构建遗传算法优化及自适应增强的人工神经网络（GA-BP-Adaboost）模型,当变异概率、交叉概率和相对误差率（RE）分别设为0.1,0.95和0.01时,最优模型预测平均相对误差（AREP）和预测相对标准误差（RSDP）分别为2.39%和2.97%,相比于XY-PLSR模型效果分别较低了0.82%和0.91%。结果表明：XY双变量特征提取法结合GA-BP-Adaboost模型可以为生物质炭在工业使用过程中CV精确定量预测分析提供方法依据。     

基于雷达反射率图像特征的冰雹暴雨识别

为了实现冰雹暴雨天气的识别与分类,提出了一种基于雷达反射率图像特征的自动识别方法.对雷达回波反射率图像中冰雹回波区域和暴雨回波区域的图像特征进行提取,通过分析冰雹暴雨间单一特征的差异性和不同特征之间的分类互补性,确定了识别冰雹暴雨的有效图像特征(包括强度特征和纹理特征).将提取出的样本有效特征与探空数据(0℃和~20℃温度层高度)结合,利用粗糙集理论进行数据挖掘,进而建立了冰雹暴雨天气的客观识别模型.通过对362个测试样本的测试与统计,冰雹击中率达到93.29%,暴雨的击中率达到89.27%,并且两者均具有较低的误警率.实验结果与传统PUP系统比较,表明利用雷达反射率图像特征实现对冰雹暴雨天气的识别与分类具有较好的效果.     

一种图像敏感对象的识别方法

针对现有的图像识别方法识别某一指定对象,提出了一种图像敏感对象的识别方法,该方法改进了现有目标识别的局限性;首先通过计算得到图像中对象的敏感度值,然后对图像对象进行纹理、色彩、形状和显著特征提取,最后结合敏感度值识别出图像中敏感度大的对象,并与经典的敏感度检测方法比较;实验结果表明该方法敏感信息丢失少,且能精确得到图像对象敏感度值,通过敏感度的不同,识别出人眼感兴趣的对象信息。     

大口径光学元件表面灰尘与麻点自动判别

在大口径光学元件表面疵病初检时,灰尘和麻点由于形态类似,不易区分。针对该问题,提出了一种基于模式识别理论的灰尘麻点判别方法。该判别方法以既有的疵病检测系统为基础,根据灰尘麻点的暗场成像特点,选取了合适的特征并根据因子分析理论对特征进行变换,最后基于贝叶斯判别原理对灰尘麻点进行分类。采用自制定标板建立了灰尘麻点训练样本库,并进行多组实验,选取了合适的判别函数,最后进行了对未知样品表面灰尘麻点的区分。实验结果表明,该判别方法的正确率可以达到95%以上。目前此判别方法已经用于惯性约束聚变系统中大口径光学元件表面灰尘与麻点自动区分。     

主成分分析在舰船辐射噪声分类识别中的应用

主成分分析(PCA)是经典的多元统计分析方法,在处理多变量综合问题方面有比较突出的优势。本文主要探讨了主成分分析在舰船辐射噪声信号分类识别中的应用。在经典功率谱的基础上尝试将PCA技术运用在两种不同的方法中,对两种舰船辐射噪声进行了特征提取和分类识别,得到了较好的效果。