一种高分辨率遥感图像道路自动提取方法

高分辨率遥感图像道路提取是遥感界关注的重要研究领域,如何快速、有效、智能地进行遥感信息分析和处理是当今遥感界迫切需要解决的问题,自动道路提取方法称为道路提取研究的热点。针对道路提取受遥感图像噪声和树木阴影等复杂自然场景因素影响的问题,提出一种基于卷积神经网络(CNN)和数学形态学算法相结合的自动道路提取方法。首先,构建出深度卷积神经网络模型,在训练卷积神经网络模型时,通过改进的批量随机梯度下降算法(MBGD)来训练深度卷积神经网络;然后,利用训练好的深度卷积神经网络进行道路特征的提取;最后,结合数学形态学优化算法进一步优化道路提取结果。实验结果表明,该方法能提取出完整的道路区域。

基于深度学习的帕金森患者声纹识别

90%的帕金森病(PD)患者存在声带紊乱,提出一种利用WMFCC提取患者的声纹特征、DNN识别并分类的方法用于区分PD患者和健康人。通过计算患者声纹中倒谱系数的加权和系数,解决高阶倒谱系数小、特征分量对音频的表征能力差等问题。DNN训练并分类识别有效地提高系统精度,使用MBGD优化算法降低损失函数的计算量,提高系统训练速度。针对PD database中样本测试分类,结果相较传统SVM等方法,该方法提高了判别PD准确率,可达87.5%,为PD患者早期快速辅助诊断提供了良好的解决方案。