期刊文献+
共找到9篇文章
< 1 >
每页显示 20 50 100
结合卷积神经网络和超像素聚类的细胞图像分割方法 被引量:12
1
作者 杨金鑫 杨辉华 +3 位作者 李灵巧 潘细朋 刘振丙 周洁茜 《计算机应用研究》 CSCD 北大核心 2018年第5期1569-1572,1577,共5页
针对细胞图像尺寸大、细胞形状各异,导致从图像中分割出精准的细胞十分困难的问题,以卷积神经网络为基础,结合染色校正方法和简单线性迭代的超像素聚类算法,提出了一种新的结构来进行细胞图像分割。利用染色校正方法对细胞图像进行预处... 针对细胞图像尺寸大、细胞形状各异,导致从图像中分割出精准的细胞十分困难的问题,以卷积神经网络为基础,结合染色校正方法和简单线性迭代的超像素聚类算法,提出了一种新的结构来进行细胞图像分割。利用染色校正方法对细胞图像进行预处理,提高图像的颜色对比度;利用卷积神经网络获得初步分割结果;将简单线性迭代聚类获得的超像素边界信息反馈到初分割图像上进行改进提升。提出的算法可以有效地减少图像局部信息的冗余,更准确地获得目标区域的边界位置。实验表明,提出的算法细胞分割准确率达到了92.72%,与经典卷积神经网络、阈值分割等其他细胞分割算法相比,具有更好的分割效果。 展开更多
关键词 细胞分割 卷积神经网络 超像素聚类 染色校正 乳腺细胞图像
下载PDF
基于超像素聚类的EM脐橙病虫害图像的分割 被引量:1
2
作者 刘永平 章银娥 《赣南师范大学学报》 2021年第3期86-91,共6页
随着赣南脐橙果业优良品质的发展,赣南脐橙越来越受到人们的青睐.但是在发展赣南脐橙精准果业的同时,脐橙病虫害也随之蔓延.因此快速分割和识别赣南脐橙病虫害的病斑图像,以便提高赣南脐橙的果业质量.本文提出一种基于混合聚类的脐橙病... 随着赣南脐橙果业优良品质的发展,赣南脐橙越来越受到人们的青睐.但是在发展赣南脐橙精准果业的同时,脐橙病虫害也随之蔓延.因此快速分割和识别赣南脐橙病虫害的病斑图像,以便提高赣南脐橙的果业质量.本文提出一种基于混合聚类的脐橙病虫害图像分割方法,通过超像素聚类将整个彩色赣南脐橙病虫害图像分割成若干个紧凑的、近似均匀的超像素块,为图像分割提供有用的聚类线索,以加快期望最大化(EM)算法的收敛速度.使用EM算法从每个超像素块中快速准确地分割出病变像素,根据数学形态学去校正聚类结果,最终获得分割后的病斑图像.对比本实验和与同类方法的实验,实验结果表明该方法是有效的,对脐橙病虫害病斑图像的分割具有较好的实验效果. 展开更多
关键词 病虫害分割 超像素聚类 EM算法
下载PDF
BYOL框架下的自监督高光谱图像分类
3
作者 韩希珍 蒋振刚 +3 位作者 刘媛媛 赵建 孙强 刘建卓 《红外与激光工程》 EI CSCD 北大核心 2024年第10期244-259,共16页
高光谱图像可以获取波段连续的图谱合一的立体数据,其具有丰富的图谱信息,能区分不同物质的类别,被广泛应用于各种遥感勘测领域。但在实际中高光谱图像的标注需要耗费大量的人力、财力和时间,可用的标注样本数量较少,难以通过训练来获... 高光谱图像可以获取波段连续的图谱合一的立体数据,其具有丰富的图谱信息,能区分不同物质的类别,被广泛应用于各种遥感勘测领域。但在实际中高光谱图像的标注需要耗费大量的人力、财力和时间,可用的标注样本数量较少,难以通过训练来获得准确的分类结果,所以针对于只有少量标记样本的高光谱图像分类是一个挑战。近年来,自监督学习(Self-supervised Learning,SSL)已成为一种有效的方法,可以减少高光谱图像分类对昂贵的数据标注的依赖。SSL方法通过学习在同一图像的不同视图之间产生的潜在特征,在自然图像分类中取得了较高的分类精度。为了探索SSL方法在高光谱图像分类中的潜力,一种Bootstrap Your Own Latent(BYOL)框架下的自监督高光谱图像分类方法(BSSL)被提出。该方法通过引用自监督的图像特征学习框架BYOL,可以不需要负样本对,利用空间光谱相似的同类样本对进行网络训练及参数微调,提取到更具判别性特征。具体来说,该方法主要包括四个部分:BYOL的预训练、超像素聚类、基于“相似对”的BYOL的再训练和最终分类。为了验证该方法的有效性,在三个公开数据集上进行测试,并与五种先进的无监督、自监督分类方法SuperPCA、S3PCA、ContrastNet、SSCL和N2SSL进行对比,在Indian Pines和Salinas数据集上,BSSL方法的总体分类精度(OA)、平均分类精度(AA)、Kappa系数、召回率(recall)和f1分数(f1-score)都取得了更优值。其中在Indian Pines数据集上,OA分别比SuperPCA,S3PCA,ContrastNet,SSCL和N2SSL提高了1.32%,1.05%,5.68%,3.12%和1.27%。而在University of Pavia数据集上,BSSL方法表现没有那么出色,但在综合分类性能上也表现最优。这表明BSSL方法更适用于地物区域面积较大且分布较集中的场景,因为这对于超像素聚类来说更友好。 展开更多
关键词 高光谱图像 自监督分 BYOL 超像素聚类 空-谱联合
下载PDF
基于RF分类调优和SNIC聚类的新疆红枣种植区遥感提取
4
作者 赵国兵 郑江华 +5 位作者 王蕾 高健 罗磊 尼格拉·吐尔逊 韩万强 关靖云 《干旱区地理》 CSCD 北大核心 2024年第6期1004-1014,共11页
论文旨在快速提取新疆红枣种植区分布信息和种植面积,为预测产量、价格,巩固脱贫攻坚成果和助力乡村振兴提供数据支持。基于Google Earth Engine云平台,快速获取覆盖全疆的Sentinel-1雷达影像、Sentinel-2光学影像及SRTM地形数据,从中... 论文旨在快速提取新疆红枣种植区分布信息和种植面积,为预测产量、价格,巩固脱贫攻坚成果和助力乡村振兴提供数据支持。基于Google Earth Engine云平台,快速获取覆盖全疆的Sentinel-1雷达影像、Sentinel-2光学影像及SRTM地形数据,从中提取光谱、纹理、地形等44个特征并进行特征优选过程,在对随机森林分类器进行超参数调优后,得到新疆2021年10 m分辨率红枣种植区空间分布图,运用超像素聚类的方法对全疆主要红枣种植区域进行分类后处理及分区统计,最终得到全疆红枣种植面积。结果表明:(1)通过基于简单非迭代聚类算法进行分类处理,得到全疆红枣种植面积为4253 km^(2),其主要分布在南疆的阿克苏、喀什、和田地区、巴音郭楞蒙古自治州和东疆的吐鲁番市、哈密市等地。(2)对随机森林分类器进行超参数调优后,能够有效提高提取精度,基于混淆矩阵计算的平均总体分类精度为0.86,平均Kappa系数为0.82,红枣提取的生产者精度为0.87,用户精度为0.80。(3)Sentinel-1极化波段特征在红枣信息提取中占据重要地位,光谱特征和纹理特征次之。结合多源遥感数据能够快速提取新疆红枣种植区分布与面积信息,对推动该地区农业现代化、资源保护和经济发展具有重要意义。 展开更多
关键词 Google Earth Engine Sentinel-1/2 红枣 特征优选 随机森林 超像素聚类
下载PDF
结合DBSCAN聚类的室内场景分割 被引量:10
5
作者 刘梦迪 潘晓 +2 位作者 高珊珊 辛士庆 周元峰 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2019年第7期1183-1193,共11页
针对 RGB-D 图像具有丰富的三维几何特征,复杂度高这一具有挑战性的难题,提出一种针对室内场景RGB-D 图像的分割算法.首先,经过 RGB-D 图像过分割生成超像素,并基于超像素之间的距离度量测量超像素之间的相似性;然后,采用 DBSCAN 算法... 针对 RGB-D 图像具有丰富的三维几何特征,复杂度高这一具有挑战性的难题,提出一种针对室内场景RGB-D 图像的分割算法.首先,经过 RGB-D 图像过分割生成超像素,并基于超像素之间的距离度量测量超像素之间的相似性;然后,采用 DBSCAN 算法将具有相似的颜色信息和几何信息的超像素聚类到一个分类中.在该聚类过程中,通过限制扩散区域来降低计算复杂度.在室内场景 RGB-D 图像库上大量实验结果表明,文中算法分割精确度和速率均超过了其他算法,证明了其高效性和准确性. 展开更多
关键词 RGB-D 图像 超像素聚类 DBSCAN 图像分割
下载PDF
基于多原型指导的小样本水稻害虫识别与分类 被引量:1
6
作者 李军 李志伟 李艳红 《江苏农业科学》 北大核心 2023年第20期193-200,共8页
精确识别与分类复杂场景下水稻害虫对水稻病害治理与产量提升具有重要的研究意义,提出一种基于多原型指导的小样本水稻害虫识别与分类模型。首先,利用Vision Transformer网络作为主干网络进行特征映射,将水稻害虫图片映射到深度特征空间... 精确识别与分类复杂场景下水稻害虫对水稻病害治理与产量提升具有重要的研究意义,提出一种基于多原型指导的小样本水稻害虫识别与分类模型。首先,利用Vision Transformer网络作为主干网络进行特征映射,将水稻害虫图片映射到深度特征空间;其次,利用可微分的超像素聚类算法实现深度特征图中类特定原型的聚类分组,构造水稻多类型害虫的特征表达;再次,提出一种双通道特征融合注意力模块实现水稻害虫支持特征和查询特征的深度融合;最后,利用无参数的度量学习算法计算待测水稻病虫害图片特征与深度融合特征之间的距离,根据距离值实现待测病虫害图片的识别与分类。试验结果表明,所提出的水稻害虫识别模型可以实现0.955的识别准确率、0.941的精确率、0.949的召回率和0.962的F1值,与AlexNet、ResNet、YOLO v5、Vgg-16、Inception v3和LeNet5等模型相比,所提出模型的各项指标表现良好。该方法的提出为农作物害虫的智能化识别提供了新的思路。 展开更多
关键词 水稻 害虫识别 多原型 小样本学习 超像素聚类 注意力机制
下载PDF
基于多尺度注意力U-Net的结球甘蓝青虫检测方法
7
作者 齐国红 许新华 师晓丽 《江苏农业学报》 CSCD 北大核心 2023年第6期1349-1357,共9页
针对结球甘蓝青虫姿态多样、形状不规则以及传统U-Net对多尺度图像检测的鲁棒性较差等问题,本研究提出一种基于多尺度注意力U-Net(MSAU-Net)的结球甘蓝青虫检测方法。该方法将多尺度空洞Inception和注意力引入到U-Net,通过设置不同膨胀... 针对结球甘蓝青虫姿态多样、形状不规则以及传统U-Net对多尺度图像检测的鲁棒性较差等问题,本研究提出一种基于多尺度注意力U-Net(MSAU-Net)的结球甘蓝青虫检测方法。该方法将多尺度空洞Inception和注意力引入到U-Net,通过设置不同膨胀率的初始卷积层卷积核和全局池化层类型,提取多尺度深层次的结球甘蓝青虫检测特征。首先,对原始图像进行超像素聚类,极大减少结球甘蓝青虫图像的基元数量;其次,利用多尺度空洞U-Net提取不同大小的结球甘蓝青虫特征;最后,通过注意力连接将MSAU-Net同层的浅层、深层特征拼接,得到结球甘蓝青虫图像的关键特征,加快网络训练。MSAU-Net方法在结球甘蓝青虫数据集上的平均检测精度为95.26%,较U-Net方法提高了约6个百分点。MSAU-Net方法能较好地检测到大小不同的结球甘蓝青虫,能够应用于结球甘蓝青虫自动检测系统。 展开更多
关键词 结球甘蓝青虫检测 超像素聚类 U-Net 多尺度注意力U-Net
下载PDF
A DTW distance-based seismic waveform clustering method for layers of varying thickness 被引量:1
8
作者 Hong Zhong Li Kun-Hong +4 位作者 Su Ming-Jun Hu Guang-Min Yang Jun Gao Gai Hao Bin 《Applied Geophysics》 SCIE CSCD 2020年第2期171-181,314,共12页
Seismic waveform clustering is a useful technique for lithologic identification and reservoir characterization.The current seismic waveform clustering algorithms are predominantly based on a fixed time window,which is... Seismic waveform clustering is a useful technique for lithologic identification and reservoir characterization.The current seismic waveform clustering algorithms are predominantly based on a fixed time window,which is applicable for layers of stable thickness.When a layer exhibits variable thickness in the seismic response,a fixed time window cannot provide comprehensive geologic information for the target interval.Therefore,we propose a novel approach for a waveform clustering workfl ow based on a variable time window to enable broader applications.The dynamic time warping(DTW)distance is fi rst introduced to effectively measure the similarities between seismic waveforms with various lengths.We develop a DTW distance-based clustering algorithm to extract centroids,and we then determine the class of all seismic traces according to the DTW distances from centroids.To greatly reduce the computational complexity in seismic data application,we propose a superpixel-based seismic data thinning approach.We further propose an integrated workfl ow that can be applied to practical seismic data by incorporating the DTW distance-based clustering and seismic data thinning algorithms.We evaluated the performance by applying the proposed workfl ow to synthetic seismograms and seismic survey data.Compared with the the traditional waveform clustering method,the synthetic seismogram results demonstrate the enhanced capability of the proposed workfl ow to detect boundaries of diff erent lithologies or lithologic associations with variable thickness.Results from a practical application show that the planar map of seismic waveform clustering obtained by the proposed workfl ow correlates well with the geological characteristics of wells in terms of reservoir thickness. 展开更多
关键词 DTW distance seismic waveform clustering variable time window seismic data thinning
下载PDF
复杂自然环境下感兴趣区域检测 被引量:8
9
作者 肖志涛 王红 +4 位作者 张芳 耿磊 吴骏 李月龙 李峰 《中国图象图形学报》 CSCD 北大核心 2015年第5期625-632,共8页
目的感兴趣区域检测是图像处理领域的关键技术。人类视觉系统处理一个较为复杂的场景时,会首先将其视觉注意力集中于该场景中的几个特定对象上,这些对象被称为感兴趣区域。在图像处理和分析过程中,感兴趣区域检测模拟人类视觉,能够快速... 目的感兴趣区域检测是图像处理领域的关键技术。人类视觉系统处理一个较为复杂的场景时,会首先将其视觉注意力集中于该场景中的几个特定对象上,这些对象被称为感兴趣区域。在图像处理和分析过程中,感兴趣区域检测模拟人类视觉,能够快速、准确抓住图像重点,降低图像处理计算量,有效提高计算机信息处理的效率。因此感兴趣区域检测对于图像分析和理解有着重要意义。为此,提出一种基于低层次图像信息与中层次图像信息相结合的自底向上的感兴趣区域检测方法。方法首先通过彩色增强Harris算子检测角点进而得到凸包边界,通过凸包区域与超像素聚类结果计算中层次信息粗略显著图;然后将图像从RGB空间转换到CIELab空间,使用差分滤波器对图像进行滤波,得到低层次信息粗略显著图;最后将低层次图像信息与中层次图像信息进行加权融合得到图像的显著图。结果在微软亚洲研究院提供的公开数据库MSRA上验证了本文方法的有效性,根据该数据库人工标记的真值评价本文方法的检测效果,并与其他方法进行对比。其他方法的显著图是由其作者提供的源代码得到。在主观分析和客观判断两个方面的本文方法可有效抑制背景噪声,检测出的显著物具有均匀显著度,且边缘清晰。结论本文方法是一种有效的图像预处理方法。 展开更多
关键词 感兴趣区域 显著图 超像素聚类 凸包 差分滤波器
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部