高光谱遥感数据吸收位置特征融合提取技术研究

光谱曲线形状与目标性质是对应的,通常以吸收峰位置作为高光谱图像中目标的波谱特征并进行比较。为解决高光谱图像中目标组成均质性差所带来的光谱特性表征和描述困难,基于单一地物的波谱响应特征具有内在一致性这一特点,提出了吸收峰位置融合提取模型。应用事例说明,该方法对高光谱图像中目标波谱特性的统一描述具有较高的实用价值。

融合声场和电场的舰船轴频特征提取方法研究

轴频声场和轴频电场均与舰船螺旋桨转动密切相关,本文提出将这2种物理场进行融合提取舰船的轴频特征。首先,分别利用DEMON谱分析和功率谱分析方法提取轴频声场和轴频电场的线谱,之后将所提取的线谱进行融合和净化,最后利用最大公约数法提取轴频特征。为验证所提方法的有效性,利用多艘船舶的实测声场和电场数据进行验证。结果表明,同一艘船舶轴频声场和轴频电场的线谱具有一定频率对应关系,将声场和电场的轴频相关线谱进行融合可有效弥补单一物理场存在线谱丢失的情况;融合声场和电场后,舰船轴频估计的准确性和稳定性优于单一物理场。

基于支持向量机的人脸融合特征提取方法

针对人脸识别系统中的主成分分析和线性判别分析两种特征提取方法的优缺点,提出了一个融合特征提取方法,并构造了一个能够将图像数据空间的人脸映射到人脸特征空间中并实施识别的实验系统。最后分析了该系统的构成与特点,并给出了实验测试结果。

基于KNN和多特征融合的苹果叶部病害识别检测

准确识别与防治苹果叶部病害,能够有效提高苹果的产量与品质。以常见的苹果叶部病害(锈病、黑腐病、黑星病)为研究对象,构建基于KNN和多特征融合的无损检测模型。使用K-means聚类算法分割苹果叶部图像,通过颜色矩、灰度共生矩阵、Hu距分别提取图像的颜色、纹理和形状特征,利用KNN对特征参数进行分类模型训练,能够实现绿色准确识别苹果叶部病害的目的。实验结果表明,以颜色、纹理、形状为单特征检测的苹果叶部病害识别精确率分别为75%、57%、45%,其中颜色特征更加直观,有9个特征量识别率较高,形状特征在进行图像分割时很难确定K点导致识别率低。该研究基于颜色、纹理、形状等多特征融合提取13个特征量,能够准确识别苹果叶部病害,其识别率达84%,为实现绿色农业果园病虫害防治提供技术支持。

基于自适应注意力融合特征提取网络的图像超分辨率

为了应对当前大型图像超分辨率模型参数过多难以部署,以及现有的轻量级图像超分辨率模型性能表现不佳的问题,提出了一种基于自适应注意力融合特征提取网络的图像超分辨率模型。该模型主要由一个大核注意力模块和多个高效注意力融合特征提取模块组成。首先,利用大核注意力模块进行浅层特征提取,然后将提取到的浅层特征信息输入级联的高效注意力融合特征提取模块进行深层特征提取、增强、细化和再分配的聚合操作。高效注意力融合特征提取模块由三个部分组成,分别是渐进式残差特征提取模块、通道对比度感知注意力模块和通道—空间联合注意力模块。该网络可以在利用少量参数的情况下实现更好的图像超分辨率性能,是一种表现优异的轻量级图像超分辨率模型。通过在流行的基准数据集上评估提出的方法,并与现有的一些方法进行对比,结果表明该方法的表现更优异。

无线传感网络信息分段融合点提取方法仿真

为了解决无线传感网络普遍存在的节点能量大量用于传输冗余数据的现状,现行的信息融合点提取方法通过建立无线传感网络分布结构模型进行数据结构分析,对冗余数据自适应归集合并,此过程增加了不必要的数据传输,导致节点能量消耗过大、融合点提取时间较长、网络寿命较短。提出一种基于BP神经网络的无线传感网络信息分段融合点提取方法。对无线传感网络融合对象数据集提取分段空间特征,采用本征匹配方法进行无线传感网络信息融合总体模型设计,引入网络信息特征分段融合定位节点谱函数描述信息融合效率,根据线性差分融合进行信息特征分段融合,获得信息分段融合任务分配链路中的比例分值,描述信息分段融合的结构特征。采用神经网络描述无线传感网络簇结构,根据TEEN阈值过滤非必要的融合结构特征,在信息分段融合点提取过程中运用神经网络功能函数处理大量信息分段融合结构特征数据,并转发至融合节点。实验结果表明,所提方法在信息分段融合点提取过程中,在降低网络能耗的同时提升了无线传感网络的生存寿命。

基于卷积神经网络特征提取与融合的心律失常分类

本研究提出一种新的心律失常自动分类方法,辅助医生诊治心律失常。通过构建卷积神经网络对心电信号以及QRS波群的小波分量进行特征提取,将网络提取到的心电信号特征和小波特征与人工提取的RR间期特征,输入到全连接层进行融合,在输出层使用softmax函数对心拍进行分类。使用MIT-BIH心律失常数据库中的MILL导联数据对网络进行训练和测试。经测试,该方法的总体分类准确度达98.12%,平均灵敏度为87.32%,平均阳性预测值为90.37%。该方法能够快速识别不同类型的心律失常,对于计算机辅助诊断心律失常的应用具有一定的参考价值。

基于卷积神经网络的近红外光谱与数字图像特征信息融合木材树种识别

【目的】基于卷积神经网络自动提取,探究融合木材近红外光谱与数字图像特征信息准确识别木材树种的可行性。【方法】以樟科10种木材标本为例,使用手持式近红外光谱仪和便携式扫描仪采集木材标本横切面近红外光谱和图像。创新引入递归图方法,将手持式近红外光谱仪采集的一维短波长近红外光谱转换为二维图像,促进卷积神经网络从近红外光谱数据中提取判别性更强的特征,实现近红外光谱与图像在二维尺度上的融合。构建结构简单的双分支卷积神经网络模型,自动提取、融合近红外光谱与图像特征识别木材树种。【结果】与直接使用一维近红外光谱的建模方法相比,近红外光谱递归图结合卷积神经网络模型的识别性能提升1.79%~14%;与使用近红外光谱或图像单一特征识别相比,双分支卷积神经网络模型自动提取、融合近红外光谱与图像特征,对10种木材的识别性能至少提高3%,模型准确率、精度和召回率均大于99%。【结论】一维短波长近红外光谱递归图转换能够促进卷积神经网络从近红外光谱数据中提取判别性更强的特征,提高模型识别性能。双分支卷积神经网络能够充分提取并有效融合木材近红外光谱与图像特征,一定程度上可克服使用单一特征识别木材树种的不足,提高木材树种识别效果。

多元特征融合的涡扇发动机剩余寿命预测

提出一种融合多种特征提取方式的涡扇发动机剩余寿命预测方法,该方法包括多元特征的提取、复合健康指标的构建与融合系数的确定。然后结合线性Wiener过程,利用贝叶斯更新公式实现涡扇发动机的剩余寿命在线预测。实验结果表明:相较于融合前的单一特征提取方式,笔者所提方法能够有效提高涡扇发动机的剩余寿命预测精度。

不同IHS变换公式在植被信息提取中的比较研究

多源遥感图像融合对于植被信息提取具有重要意义,该文对常用的球体、柱体、三角形和单六角锥4种IHS变换融合方法进行了比较研究,分别从融和图像的信息量、标准差等统计特征、植被光谱特征曲线、类别可分性、植被指数4方面做了分析.研究结果表明,球体变换融和图像的信息量、标准差和光谱扭曲值等统计指标从整体上优于其他变换.球体变换可将不同类型的灰度平均值间的距离进行拉伸.类别可分性指标的分析表明,球体变换可将难以区分的阔叶林与针叶林、阔叶林与草地间的距离加大。

舰船移动网络通信数据多特征融合方法研究

在舰船移动网络中,数据特征的多维复杂属性对信息的提取和融合有较大影响。通过分析舰船移动网络通信数据的特点,将多特征信息融合方法结合小波算法和BP神经网络算法,并应用于舰船移动网络通信数据的特征提取和融合。对多个传感器获取的舰船移动网络通信数据进行预处理,得到多维复杂属性的综合信息,实现对舰船移动网络通信数据进行分类、筛选和预测。通过实验证明该方法能够有效降低复杂度,提高舰船移动网络通信数据处理的准确性和可靠性。

鹰眼系统运动目标特征参数精确提取算法

鹰眼系统在赛场上可对球类运动轨迹进行跟踪和记录并在辅助裁判对边界球的判罚中起着重要作用,然而由于网球提取过程存在目标小、飞行速度快、光照变化、广告字符以及其他的运动物体影响的问题,网球特征参数提取精准度有待进一步提升。针对这些问题,提出了一种鹰眼系统运动目标特征参数精确提取算法,该算法利用网球色彩一致性较好的特点,根据彩色训练获取网球色调的范围,在HSV色彩空间中对网球图像进行颜色分割,减少背景图像的干扰,采用帧间差分与混合高斯模型融合算法对网球图像进一步分割获取运动目标,对分割后的二值图像使用Sobel算子提取边缘信息减少后续目标圆检测的运算量提高效率,采用Hough圆变换检测轮廓边缘信息完成网球圆心和半径参数的精确提取。实验结果表明,该特征参数提取算法拟合准确率高、相对偏差小,具有一定的实际应用价值。

基于随钻数据的岩性智能识别方法

现场岩性准确识别在油气勘探开发过程中起着至关重要的作用,随着勘探难度增加,现场岩性识别难度也相应加大。针对现场随钻地层岩性识别的难题,提出一种基于随钻数据的岩性智能识别方法,通过对随钻地层元素和钻井参数进行分析,提取特征向量,建立不同岩性的多特征样本库,并用最大最小蚂蚁系统优化算法的广义回归神经网络模型实现了基于随钻数据的岩性智能识别。将该方法应用于实际随钻岩性识别中,对非特征提取数据与特征提取融合数据所构建的MMAS-GRNN模型进行比较,结果表明:基于多源信息特征提取融合数据建立的MMAS-GRNN模型地层岩性识别准确率达到了90.71%,比基于非特征提取数据的模型准确率高出了4.76%,展现出特征提取融合后的多源数据在地层岩性识别效果方面的优越性。

基于注意力机制的双分支肺炎图像分类网络

目前许多肺炎图像分类网络大多采用单分支网络对输入图像进行特征提取,这在一定程度上忽略了图像不同维度的特征信息。为了优化这种问题,提出一种融入注意力机制的双分支肺炎图像分类网络,利用VGG16网络和加入可分离卷积以及融入卷积注意力模块(convolution block attention module,CBAM)的CNN卷积神经网络进行双分支特征提取,能够关注到肺炎图像不同层次的特征信息,将2种网络分支的特征进行不同维度的融合,最后输入全连接层进行分类判决。结果表明,该网络在正常肺部、病毒性肺炎、新型冠状病毒肺炎(COVID-19)X-ray图像组成的测试集上取得了95%的平均准确率。经过消融试验证明,该网络加入的可分离卷积模块、注意力模块和特征融合对减少网络参数、提高网络分类的准确率起到明显作用。与其他网络的性能对比也表明该网络在肺炎图像分类上表现出较高的准确率和较强的鲁棒性。

分布式入侵检测系统模型研究

为适应高速网络的发展,入侵检测系统从传统架构向分布式架构的转换势在必行。分析构建了一个分布式IDS框架模型,讨论了用数据融合提取的方法,将大量松散数据内聚,来评估计算机网络的安全,并用数据缩减的方法来提高控制中心的处理效率。

一种基于扩张残差网络的雷达信号识别方法

针对低信噪比(SNR)条件下雷达信号识别率低的问题,提出一种基于多时频图像融合和扩张残差网络的识别方法。首先,通过多种时频分析方法,将雷达信号变换为不同的时频图,并对这些时频图进行融合和处理。然后,构建一种新网络模型,将扩张残差网络与特征融合提取模块相结合,对10类雷达信号进行识别。仿真结果表明,当SNR为-6 dB时,所提方法对10类雷达信号整体识别准确率达到98.7%。

栈式自编码和残差神经网络的射频信号个体识别

传统基于暂态特征和稳态特征的射频信号个体识别方法存在特征提取困难、特征微小、无法区分射频信号个体差异等问题,识别率较低。随着深度学习技术的发展,结合栈式自编码网络深度融合目标特征优势和残差神经网络在解决退化问题时的优势,提出了一种基于SEA和ResNet网络的射频信号个体识别方法。包括信号时频域特征提取方法分析、多域特征拼接与融合、基于轻量化ResNetLite网络的射频信号个体识别方法等步骤。仿真结果表明,相对于传统时频域特征提取方法和BP分类方法,新方法能够有效提取和融合信号细微、高层次及深层次特征,且识别率有一定幅度的提升,同时,对计算资源、存储资源的消耗有约7倍的降低,可支持嵌入式设备小型化需求,便于工程实现。

虹膜识别技术在智慧城市身份认证中的应用研究

为了实现虹膜识别系统在复杂的条件下能够准确识别,本文将虹膜识别作为研究对象,提出一种利用改进Gabor滤波器进行虹膜多局部特征提取,并将虹膜多种特征进行融合的虹膜识别方法,为将理论研究转化成高性能的虹膜识别设备提供前提条件,确保智慧城市建设中云端应用、大数据的身份信息安全。

电网APP的语音文本实体多语言识别方法

为了提高电网APP语音文本实体多种类语言的识别精度,提出基于语义特征融合提取的电网APP语音文本实体多种类语言精确识别技术。采用尺度分解法调节语音线谱的增强和输出参数,建立电网APP的语音参数融合模型;采用语义模糊度检测方法,实现语音识别和特征聚类;结合语义特征融合结果,建立模糊判断的语言识别模型,辨识电网APP的语音特征,精确识别电网APP语音文本实体多种类语言。实验结果表明,采用该方法识别电网APP语音文本实体多种类语言,识别精度达到90%以上,实现了精准识别,检测性能较好。

基于多尺度特征和注意力机制的肝脏组织病理图像语义分割网络

针对肝脏组织病理图像分割中存在的正常组织和异常组织过渡区域较难分割和空洞较多的问题,设计基于多尺度特征和注意力机制的肝脏组织病理图像语义分割网络.在编码器中提取融合多尺度特征,改善正常组织和异常组织过渡区域的分割效果.同时利用注意力机制对空间维度和通道维度进行相关性建模,获得每个像素类内响应和通道间的依赖关系,缓解肝脏组织病理图像空洞较多对网络学习带来的影响.实验表明文中网络可较快速准确分割肝脏组织病理图像损伤区域.