公共文化服务平台

国家教育部博士点基金(20113401110006): 作品数：28 被引量：208H指数：7; 相关作者：梁栋鲍文霞颜普唐俊王年更多>>; 相关机构：安徽大学国家农业信息化工程技术研究中心中国科学院遥感与数字地球研究所更多>>; 发文基金：国家教育部博士点基金国家自然科学基金安徽省自然科学基金更多>>; 相关领域：自动化与计算机技术电气工程农业科学电子电信更多>>

基于最大化子模和RRWM的视频协同分割被引量：2: 2016年; 成对视频共同运动模式的协同分割指的是同时检测出两个相关视频中共有的行为模式,是计算机视觉研究的一个热点.本文提出了一种新的成对视频协同分割方法.首先,利用稠密轨迹方法对视频运动部分进行检测,并对运动轨迹进行特征表示;然后,引入子模优化方法对单视频内的运动轨迹进行聚类分析;接着采用基于重加权随机游走的图匹配方法对成对视频运动轨迹进行匹配,该方法对出格点、变形和噪声都具有很强的鲁棒性;同时根据图匹配结果实现运动轨迹的共显著性度量;最后,将所有轨迹分类成共同运动轨迹和异常运动轨迹的问题转化为基于图割的马尔科夫随机场的二值化标签问题.通过典型运动视频数据集的比较实验,其结果验证了本文方法的有效性.; 苏亮亮唐俊梁栋王年; 关键词：图匹配马尔科夫随机场

基于D-LLE算法的多特征植物叶片图像识别方法被引量：23: 2015年; 为了提高植物叶片图像识别的准确率,提出一种基于差异性值监督局部线性嵌入(D-LLE)算法的多特征植物叶片图像识别方法。该方法提取叶片的颜色、形状和纹理作为叶片多特征,在加权局部线性嵌入(WLLE)算法中引入样本的差异性值构成差异性值监督LLE算法(D-LLE)对叶片高维特征进行降维,在低维空间采用最近邻分类器实现叶片的识别。该方法所用的叶片多特征比单一特征像素值更能描述叶片图像,同时差异性值能够充分挖掘样本的类别信息。基于实拍的叶片图像数据库的实验结果表明,该方法有效提高了叶片的识别精度。; 丁娇梁栋阎庆; 关键词：降维

基于非抽样Contourlet域的局部特征描述子: 2015年; 为了得到鲁棒性较强的局部特征描述子,提出一种基于非抽样Contourlet(NSCT)域的局部特征描述子,该局部特征描述子在构造的过程中不需要估计主方向。首先,利用Hessian-Affine算子进行区域检测并进行规范化处理;其次,对规范化处理后的区域进行NSCT分解,得到不同尺度、不同分辨率的多个支持区域;然后,利用亮度序对支持区域进行划分;最后,对每个子区域进行描述并将每个区域的描述向量串联在一起,得到最终的特征描述子。大量的实验结果表明,提出的描述子在图像模糊变换、视角变换、仿射变换、线性亮度变化和JPEG压缩变换下具有良好的性能。; 颜普梁栋朱明唐俊; 关键词：特征描述子非抽样CONTOURLET变换

基于支持向量机回归的冬小麦叶面积指数遥感反演被引量：79: 2013年; 利用单一植被指数反演叶面积指数(LAI)时,存在不同程度的饱和性且每种指数只能包含部分波段的信息,该文提出利用支持向量机回归的方法进行叶面积指数的反演,可以用更多的波段信息作为输入参数以提高LAI反演精度。选取冬小麦起身期、拔节期和灌浆期的实测光谱和叶面积指数数据,用统计回归的方法分别建立NDVI-LAI和RVI-LAI模型,用支持向量机回归(SVR)方法分别建立以NDVI、RVI以及蓝、绿、红和近红外4个波段数据作为输入参数的回归预测模型,即NDVI-SVR、RVI-SVR和NRGB-SVR模型。上述5个模型分别利用对应时期的环境星HJ-CCD数据进行验证。结果表明:NDVI和RVI与叶面积指数(LAI)的回归模型预测的结果与实测值的RMSE分别为0.98与0.97;预测精度分别为59.2%与59.3%。以NDVI和RVI结合实测叶面积指数(LAI)训练并预测的结果与实测值的均方根误差RMSE分别为0.71与0.83预测精度分别为70.4%与67.1%。以蓝(B)、绿(G)、红(R)以及近红外(NIR)波段作为输入参数回归并预测的RMSE值为0.42,预测精度为81.7%。通过支持向量机回归预测具有更好的拟合效果,可以输入更多波段信息,提高了叶面积遥感反演精度,对冬小麦的多个生育期均具有较好的适用性。; 梁栋管青松黄文江黄林生杨贵军; 关键词：遥感光谱分析支持向量机反演叶面积指数植被指数

基于谱特征的图像匹配算法被引量：9: 2015年; 传统基于谱图的图像匹配算法大多利用特征点集中点的位置关系进行匹配,并未充分利用特征点周围的灰度信息,为此,文中提出了一种基于谱特征的图像匹配算法,该算法利用线图谱来反映特征点周围灰度的变化,对特征点周围的邻域点进行分层,并对每层中的点构造线图,通过线图谱获取特征点的谱特征;理论分析表明,该谱特征具有旋转不变性、亮度线性变化不变性及对噪声的较高鲁棒性.最后,利用匈牙利算法求解匹配问题,输出匹配结果.实验结果表明,文中算法具有较高的匹配精度,在待匹配图像间存在较大形变时,也可以获得较好的匹配结果.; 朱明梁栋范益政张艳颜普; 关键词：图像匹配

基于相关性度量的触觉步态特征优化: 2015年; 在现有动力学特征基础上,提出了基于相关性度量的触觉步态组合特征优化方法(CCFO)。采用数学形态学提取触觉步态区域特征,同时提取触觉步态的图像特征,包括校正后外接矩形长宽比和对比度、相关性、熵等特征;采用相关性度量准则优化得到动力学特征,通过分析图像特征的相关性保留最优图像特征,优化后特征线性叠加构成触觉步态特征集。实验数据采用ITCSH GaitⅡ步态数据库,计算各特征组内相关系数和变异系数,结果表明,各特征具有较好的稳定性,并在身份识别中验证了特征集的有效性,实验结果说明CCFO方法可以有效地减少特征数,提高识别率。; 张艳梁栋鲍文霞朱明孙怡宁; 关键词：计算机应用纹理特征

多角度成像解析大豆冠层的二向反射特征被引量：5: 2013年; 植被冠层二向性反射特征是定量遥感必须关注的一个问题。论文借助自主研发的多角度成像系统,在不同观测时间对不同种植密度下的大豆冠层进行多角度成像数据采集,通过对"图谱合一"的高光谱影像中大豆植株、土壤背景和阴影叶片进行逐步分离,对比分析纯大豆植被与植被-土壤混合冠层的二向反射(Bidirectional Reflectance,BR)变化特征,研究发现:在主平面观测时,土壤光谱去除后,即纯植被冠层反射率在前向观测时,随着天顶角的减小而增大,这不同于植被和土壤同时存在时的研究结果(BR随着天顶角的增加而增大);当观测方向由主平面的前向朝后向变动时,可见光和近红外波段的纯植被冠层反射率表现为逐步增大的趋势,这和土壤光谱去除前的变化趋势也不同;在垂直主平面观测时,去除土壤背景后的纯植被冠层反射率与混合植被反射率特征有相同的趋势,但在垂直主平面方向的对称性更强。上述结果在不同密度、不同观测时间的大豆冠层BR特征有相近的趋势,这为多角度遥感的发展提供了必要的基础研究。; 张东彦梁栋赵晋陵Coburn CraigWang Zhijie王秀; 关键词：BR 天顶角方位角大豆

基于改进的STUKF电压暂降检测方法被引量：3: 2016年; 为了准确检测电压暂降,提出一种基于改进的强跟踪无迹卡尔曼滤波(STUKF)的电压暂降检测方法.该方法在建立的电压信号状态模型基础上,利用改进的STUKF对发生暂降的电压信号状态进行跟踪,从而实时提取出电压的幅值和相位信息.仿真结果和实际数据检测表明,所提方法能够有效地检测电压暂降的幅值、持续时间和相位跳变.与传统的STUKF相比,改进的STUKF跟踪精度更高、鲁棒性更强.; 程志友杨韬袁昊辰; 关键词：无迹卡尔曼滤波电压暂降检测

基于多角度成像数据的大豆冠层叶绿素密度反演被引量：8: 2013年; 利用多角度观测系统采集田间不同生育期大豆冠层的图谱数据,通过提取影像中土壤背景、大豆植株、光照叶片等不同目标地物的反射光谱,对比分析不同观测角度下成像光谱数据反演大豆冠层叶绿素密度的效果,探讨土壤、阴影叶片及角度变化对群体叶绿素密度反演的影响。结果表明:(0°,20°,40°,60°)的天顶角组合有最高的预测模型决定系数(R2为0.834)和最小的均方根误差(RMSE为6.13);(20°,40°,60°)天顶角组合的决定系数值高于(0°,20°,40°)的组合,且在混合植被、纯植被、光照植被3类数据中有一致的趋势。40°天顶角是反演叶绿素密度的最优角度。0°方位角(太阳主平面的后向观测)是反演叶绿素密度的最优角度。天顶角变化是影响大豆冠层叶绿素密度反演的主要因素。; 张东彦Coburn Craig赵晋陵王秀王之杰梁栋; 关键词：大豆叶绿素密度反演

Spectral matching algorithm based on nonsubsampled contourlet transform and scale-invariant feature transform被引量：4: 2012年; A new spectral matching algorithm is proposed by using nonsubsampled contourlet transform and scale-invariant feature transform.The nonsubsampled contourlet transform is used to decompose an image into a low frequency image and several high frequency images,and the scale-invariant feature transform is employed to extract feature points from the low frequency image.A proximity matrix is constructed for the feature points of two related images.By singular value decomposition of the proximity matrix,a matching matrix(or matching result) reflecting the matching degree among feature points is obtained.Experimental results indicate that the proposed algorithm can reduce time complexity and possess a higher accuracy.; Dong LiangPu YanMing ZhuYizheng FanKui Wang; 关键词：CONTOURLET变换图像特征点图像分解匹配矩阵

国家教育部博士点基金(20113401110006)

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

国家教育部博士点基金(20113401110006)

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈