基于多极化特征和纹理特征的PolSAR图像分类

提出了一种基于多极化与纹理特征的PolSAR图像分类方法。首先在经过图像预处理后,从散射矩阵得到的相干矩阵T和协方差矩阵C中提取出极化参数,组成极化特征向量;然后基于经典的灰度共生矩阵法提取出图像几种纹理参数,组成纹理特征向量;再将这两种向量进行选择与融合;最后利用SVM分类器进行了结合极化与纹理特征的分类实验。为了检验该分类方法的效果,进行只加入极化特征和只加入纹理特征的分类实验,并进行Wishart监督分类。对上述四种分类结果进行对比与精度分析的结果表明,极化特征与纹理特征的结合能够有效提高分类精度。

结合Tri-training和CV-CNN的半监督PolSAR图像分类

现有深度学习算法应用于PolSAR图像分类时,较少考虑该图像数据的复数特点,使得数据的复数域信息不能被充分利用;同时,深度学习需要大量的标签样本作为模型的训练样本,但是PolSAR图像可获取的标签样本十分有限。针对上述问题,结合Tri-training算法和复值卷积神经网络(CV-CNN)提出了半监督PolSAR图像分类算法。首先通过Wishart分类器和Tri-training算法获取一些可靠性较高的伪标签样本,然后将其加入到复值卷积神经网络的训练样本中并用于模型训练,最终完成图像分类任务。通过四幅PolSAR图像分类的仿真实验表明,该算法不仅能够有效提升伪标签样本的可靠性,同时还可提高模型的分类准确率。

基于DRCNN的PolSAR图像分类综合实验设计

为了让学生更好地了解和掌握深度学习TensorFlow框架和CNN网络,采用基于不同区域的多尺度卷积神经网络(DRCNN)设计了PolSAR图像分类综合设计实验,旨在实现遥感图像的自动化分类和理解。极化合成孔径雷达(polarimetric synthetic aperture radar,PolSAR)图像能够提供更加丰富的极化信息,更好地刻画地物特征,对国防建设和国家发展具有重要意义。实验利用Python语言,在CNN基础上进行改进研究,设计了多区域的多尺度CNN模型,实现了极化SAR图像的数据处理、特征学习和分类一体化设计。该实验不仅可以帮助学生综合应用图像处理与深度学习知识,理解和利用CNN来进行极化SAR图像分类的基本原理和方法,还能使学生更加深入、熟练地掌握TensorFlow框架,提高学生的科研素质和动手实践能力。

基于改进Res2Net与迁移学习的水果图像分类

针对传统水果图像分类算法特征学习能力弱和细粒度特征信息表示不强的缺点,提出一种基于改进Res2Net与迁移学习的水果图像分类算法。首先,针对网络结构,在Res2Net的残差单元中引入动态多尺度融合注意力模块,对各种尺寸的图像动态地生成卷积核,利用meta-ACON激活函数优化ReLU激活函数,动态学习激活函数的线性和非线性,自适应选择是否激活神经元;其次,采用基于模型迁移的训练方式进一步提升分类的效率与鲁棒性。实验结果表明,该算法在Fruit-Dataset和Fruits-360数据集上的测试准确率相比Res2Net提升了1.2%和1.0%,召回率相比Res2Net提升了1.13%和0.89%,有效提升了水果图像分类性能。

用于红外-可见光图像分类的跨模态双流交替交互网络

多特征模态融合时存在噪声的叠加,而为减小模态间的差异采用的级联方式的结构也未充分利用模态间的特征信息,因此设计一种跨模态双流交替交互网络(DAINet)方法。首先,构建双流交替增强(DAE)模块,以交互双分支形式融合模态特征,并通过学习模态数据的映射关系,以红外-可见光-红外(IR-VIS-IR)和可见光-红外-可见光(VIS-IR-VIS)的双向反馈调节实现模态间噪声的交叉抑制;然后,构建跨模态特征交互(CMFI)模块,并引入残差结构将红外-可见光模态内以及模态间的低层特征和高层特征进行有效融合,从而减小模态间的差异并充分利用模态间的特征信息;最后,在自建红外-可见光多模态台风数据集及RGB-NIR多模态公开场景数据集上进行实验,以验证DAE模块和CMFI模块的有效性。实验结果表明,与简单级联融合方法相比,所提的基于DAINet的特征融合方法在自建台风数据集上的红外模态和可见光模态上的总体分类精度分别提高了6.61和3.93个百分点,G-mean值分别提高了6.24和2.48个百分点,表明所提方法在类别不均衡分类任务上的通用性;所提方法在RGB-NIR数据集上的2种测试模态下的总体分类精度分别提高了13.47和13.90个百分点。同时,所提方法在2个数据集上分别与IFCNN(general Image Fusion framework based on Convolutional Neural Network)和DenseFuse方法进行对比的实验结果表明,所提方法在自建台风数据集上的2种测试模态下的总体分类精度分别提高了9.82、6.02和17.38、1.68个百分点。

卷积神经网络在图像分类中的应用研究

针对传统图像分类在泛化性能上的局限性,采用了一种包含两层卷积和池化操作的卷积神经网络来进行图像分类任务。为了验证卷积神经网络的性能,研究从分类精准度和运行时间来对比BP神经网络、支持向量机(SVM)及卷积神经(CNN)网络的3种算法的性能。实验结果表明,CNN的分类准确率优于其他两种分类算法,但训练时间及测试时间相对较长。

基于改进ResNet50的岩心图像分类研究

岩心岩性是反映地质条件的重要指标,传统的岩性鉴定通常依赖于人工目视检查,既费时又对专业水平要求高。近年来,卷积神经网络技术的迅速进步,为岩心图像的自动化预测开辟了一条新的途径。本文提出了一种基于改进的ResNet50网络结构的岩心图像分类算法,通过引入ECA(Efficient Channel Attention)注意力机制和PSA (Pyramid Scene Attention)注意力机制,改善了网络对岩心图像丰富地质信息的提取和理解能力,对提高岩性分类的准确性和客观性起到了重要作用;引入可变形卷积(DCNv2),使模型能够自动适应图像特征不规则性和形状变化,显著提升了对岩心结构复杂性的识别能力;使用迁移学习方法,提高了模型的泛化能力和训练效率。实验结果表明,改进的ResNet50网络模型在岩心图像分类任务上表现优异,相较于其他主流卷积网络,平均准确率明显提升,较基线网络ResNet50提高了2.33%的准确率,也有效地提高了对复杂岩心结构的识别精度与鲁棒性。

基于双文本提示和多重相似性学习的多标签遥感图像分类

多标签遥感图像分类旨在预测遥感图像中出现的多个相互关联的对象,其中文本标签能赋予丰富的语义信息。然而,目前多数多标签图像分类法未能充分考虑视觉语义图像-文本对信息。为了解决这一问题,提出了一种基于双文本提示和多重相似性(Bi-text Prompts and Multi-similarity,BTPMS)学习的多标签遥感图像分类算法。该算法首先利用场景与对象标签文本的双文本提示(Bi-text Prompts,BTP)提供丰富的先验知识,再综合考虑场景与对象标签之间的关联,对所得的文本特征和图像特征计算多重相似性,最后利用相似性得分进行多标签遥感图像分类。此外,设计了新颖的局部特征注意力(Local Feature Attention,LFA)模块,从空间与通道维度上捕捉图像中局部结构。在两个基准遥感数据集上进行广泛实验,结果表明所提算法优于对比的多标签图像分类方法。

基于Log-Cosh张量回归的高光谱图像分类

针对高光谱图像在向量特征对齐方法中可能导致的信息丢失问题,文章提出了Log-Cosh张量回归(LCTR)方法。该方法的核心思想是将Log-Cosh回归扩展到张量空间,从而实现更精准的高光谱图像分类。此外,文章采用了CP分解来降低模型复杂度,并加入正则化项和非负约束,有效防止了过拟合,同时增强了模型的稀疏性。为了进一步提升模型的判别能力,文章还特别引入了秩R约束。值得一提的是,该模型的梯度信息不仅易于获取,而且具有较强的解释性。实验在2个广泛使用的高光谱图像数据集上进行,结果表明,LCTR方法在这些数据集上展现了显著的高效性。

基于Depth-wise卷积和视觉Transformer的图像分类模型

图像分类作为一种常见的视觉识别任务,有着广阔的应用场景。在处理图像分类问题时,传统的方法通常使用卷积神经网络,然而,卷积网络的感受野有限,难以建模图像的全局关系表示,导致分类精度低,难以处理复杂多样的图像数据。为了对全局关系进行建模,一些研究者将Transformer应用于图像分类任务,但为了满足Transformer的序列化和并行化要求,需要将图像分割成大小相等、互不重叠的图像块,破坏了相邻图像数据块之间的局部信息。此外,由于Transformer具有较少的先验知识,模型往往需要在大规模数据集上进行预训练,因此计算复杂度较高。为了同时建模图像相邻块之间的局部信息并充分利用图像的全局信息,提出了一种基于Depth-wise卷积的视觉Transformer(Efficient Pyramid Vision Transformer,EPVT)模型。EPVT模型可以实现以较低的计算成本提取相邻图像块之间的局部和全局信息。EPVT模型主要包含3个关键组件:局部感知模块(Local Perceptron Module,LPM)、空间信息融合模块(Spatial Information Fusion,SIF)和“+卷积前馈神经网络(Convolution Feed-forward Network,CFFN)。LPM模块用于捕获图像的局部相关性;SIF模块用于融合相邻图像块之间的局部信息,并利用不同图像块之间的远距离依赖关系,提升模型的特征表达能力,使模型学习到输出特征在不同维度下的语义信息;CFFN模块用于编码位置信息和重塑张量。在图像分类数据集ImageNet-1K上,所提模型优于现有的同等规模的视觉Transformer分类模型,取得了82.6%的分类准确度,证明了该模型在大规模数据集上具有竞争力。

面向遥感图像场景分类的LAG-MANet模型

遥感图像分类过程中,局部信息与全局信息至关重要。目前,遥感图像分类的方法主要包括卷积神经网络(CNN)及Transformer。CNN在局部信息提取方面具有优势,但在全局信息提取方面有一定的局限性。相比之下,Transformer在全局信息提取方面表现出色,但计算复杂度高。为提高遥感图像场景分类性能,降低复杂度,设计了LAG-MANet纯卷积网络。该网络既关注局部特征,又关注全局特征,并且考虑了多尺度特征。输入图像被预处理后,首先采用多分支扩张卷积模块(MBDConv)提取多尺度特征;然后依次进入网络的4个阶段,在每个阶段采用并行双域特征融合模块(P2DF)分支路提取局部、全局特征并进行融合;最后先经过全局平均池化、再经过全连接层输出分类标签。LAG-MANet在WHU-RS19数据集、SIRI-WHU数据集及RSSCN7数据集上的分类准确率分别为97.76%、97.04%、97.18%。试验结果表明,在3个具有挑战性的公开遥感数据集上,LAG-MANet更具有优越性。

多区域注意力的细粒度图像分类网络

目前细粒度图像分类的难点在于如何精准定位图像中高度可辨的局部区域以及其他辅助判别特征。提出一种多区域注意力的细粒度图像分类网络来解决这个问题。首先使用Inception-V3对图像特征进行提取,通过重复使用注意力擦除的方法使模型关注次要特征;然后通过背景去除以及上采样的方法获取图像更精准的局部图像,对提取到的局部特征进行位置统计,并以矩形框的方式获取图像整体,减少细节信息丢失;最后对局部与整体图像进行更加细致的学习。此外,设计联合损失函数,通过动态平衡难易样本和缩小类内差距的方法改善模型的识别效果。实验结果表明,该方法在公开的细粒度图像数据集CUB-200-2011、Stanford-Cars和FGVC-Aircraft上的准确率分别达到89.2%、94.8%、94.0%,相较于对比方法性能更优。

基于CNN的作物分类识别图像获取平台研究进展

基于机器视觉的作物精准分类识别是农业自动化、智能化作业的前提。在作物图像分类识别任务中,卷积神经网络(CNN)是当前应用最广泛的算法之一。作物表型特征及生长环境的复杂性,决定作物图像获取平台的多样性。通过分析2020—2022年国内外基于CNN的作物分类识别研究,图像获取平台可划分为通用平台和自建平台两大类:通用平台硬件产品成熟、部署方便,但要做好设备选型和环境搭建;自建平台分为固定式和移动式,能高效获取试验数据,但硬件集成较为复杂。详细对比分析各类平台的优缺点及适用范围。作物图像获取平台的未来趋势包括:高通量、高效率、自动化的通用图像获取装置,集成多种传感器的多模态数据采集与融合应用,自带运算处理的智能摄像头等,更精细化的图像获取平台将有效支撑作物表型的深入研究。

采用特征图增强原型的小样本图像分类方法

在基于度量学习的小样本图像分类方法中,由于标注样本的稀缺,仅用支持集样本得到的类原型往往难以代表整个类别的真实分布;同时,同类样本间也可能在多个方面存在较大差异,较大的类内差异可能使样本特征偏离类别中心。针对上述可能严重影响图像分类性能的问题,提出一种采用特征图增强原型的小样本图像分类方法(FMEP)。首先,用余弦相似度从查询集样本特征图中选择部分相似特征加入类原型中,得到更具代表性的特征图增强原型;其次,对相似的查询集样本特征进行聚合,缓解类内差异大导致的问题,使同类样本的特征分布更接近;最后,用在特征空间中与真实类别分布都更接近的特征图增强原型和聚合查询特征进行相似度比较得到更优的分类结果。所提方法在MiniImageNet、TieredImageNet、CUB-200和CIFAR-FS等常用的小样本图像分类数据集上进行了实验,结果表明所提方法获得了比基线模型更优的分类性能,同时也优于同类型的小样本图像分类方法。

基于多层感知分类器的皮革图像缺陷识别研究

针对传统皮革图像缺陷识别准确率和识别效率不高的问题,提出一种改进多层感知分类器的皮革图像缺陷识别方法。首先,以多层感知分类器作为基础网络模型,对其结构进行优化,并选择适宜的激活函数、分类器和权值与偏置更新方法;然后,搭建一个基于改进多层感知分类器的皮革图像缺陷识别模型;最后,提出一套皮革缺陷图像数据集构建方案,通过滑窗裁剪、样本标注、图像增广等获得4类皮革缺陷图像样本,并将该数据集输入至搭建缺陷识别模型中进行缺陷识别。试验结果表明,本模型对孔洞缺陷、划痕缺陷、针眼缺陷和无缺陷4种故障样本的平均精确率、召回率、准确率和F1值分别为96.97%、96.52%、94.99%和96.14,且本模型进行缺陷识别所用时长仅为3.56 s。相较于经典卷积神经网络VGG16、残差网络ResNet10和支持向量机SVM,本模型对皮革图像不同样本的故障识别准确率更高,识别时间更短。由此说明,本模型能够提升皮革图像缺陷识别准确率和效率,模型性能具备优越性和有效性。

结合改进ShuffleNet-V2和注意力机制的无人机图像自主分类预警框架

为实现灾难事件的无人机(Unmanned Aerial Vehicle,UAV)自主监测和预警,提出了结合逐通道注意力机制和高效卷积神经网络的新架构。考虑到嵌入式平台的资源限制条件,使用轻量级ShuffleNet-V2作为骨干网络,能够对更多信息进行高效编码并尽可能降低网络复杂度。为进一步提高灾难场景分类的准确度,在ShuffleNet-V2网络中结合了挤压-激发(Squeeze-Excitation,SE)模块以实现逐通道注意力机制,显著增强分类网络对重要特征的关注度。通过数据采集和增强技术获得包括12876张图像的UAV航拍灾难事件数据集,对所提方法进行性能评估,并比较所提方法与其他先进模型的性能。结果表明,所提方法取得了99.01%的平均准确度,模型大小仅为5.6 MB,且在UAV机载平台上的处理速度超过10 FPS,能够满足UAV平台自主灾情监测任务的现实需求。

基于条带池化与血管增强的眼底图像动静脉分类方法

视网膜血管动静脉管径比是定量分析糖尿病、高血压等慢性疾病的先决条件,是许多心血管疾病的重要风险指标。随着深度学习技术的发展,许多基于卷积神经网络的方法凭借其捕获高级语义的能力,在眼底图像动静脉分类方面取得了较大的进展。然而,这些方法大多是采用叠加局部卷积和池化操作方式,难以很好地应用于条带形状的眼底视网膜血管。在本研究中,为了更有效地提取条带形状的视网膜血管特征,引入条带池化来捕获空间像素远距离依赖关系,同时考虑到动静脉交错复杂的特性,结合空间金字塔池化并提出了一种全新的混合池化技术以扩大神经网络的感受野和学习上下文信息。另一方面,考虑到眼底图像中血管与非血管分布的比例极不平衡,引入了血管增强模块,利用血管分布信息和高斯核函数约束的血管边缘的信息作为权重校正动静脉特征抑制背景特征,进而解决血管与背景分布比例不平衡问题。在分别包含40、22、45张彩色眼底图像的3种国际公开数据集DRIVE、LES和HRF上的实验表明,所提算法的平衡精度(BACC)分别为0.955、0.946、0.967,表明本研究结合条带池化与血管增强的方法能够较好解决眼底图像中动静脉交错复杂和类别不平衡问题,实现对眼底视网膜动静脉的精确分类,具有较高的应用价值。

基于多分支空谱特征增强的高光谱图像分类

为了解决高光谱图像自身及分类过程中噪声干扰大、空间-光谱特征信息提取不足以及有限样本下分类性能不佳等问题,提出一种基于多分支空谱特征增强的高光谱图像分类模型SSFE-MBACNN。首先,利用多分支特征提取模块分别提取浅层空谱特征和深层空间特征信息,并引入注意力机制抑制噪声干扰。其次,设计一种改进多尺度空谱特征提取融合模块及结合双池化和空洞卷积的空间特征增强模块实现空谱特征增强,减少模型参数量和提高分类性能。最后,用全局平均池化层代替全连接层,进一步降低参数量,缓解模型过拟合问题。实验结果表明,在Indian Pines(10%训练样本)、Pavia University (5%训练样本)和Salinas(1%训练样本)数据集分别取得了0.990 7、0.997 5和0.994 7的总体分类精度。SSFE-MBACNN不仅能充分利用空谱特征信息,而且在有限样本下也取得了优秀的分类性能,明显高于其他对比方法。

基于极化G0分布和MRF的多视PolSAR图像迭代分类方法

提出了一种多视极化合成孔径雷达(PolSAR)图像的迭代分类方法。首先利用极化G0分布描述多视极化协方差矩阵的统计特性,并进行初始的最大似然分类,然后利用马尔可夫随机场(MRF)估计像素类标号的先验概率,最后根据MAP(最大后验概率)准则对PolSAR图像进行分类。整个分类流程迭代进行。分类结果表明该方法精度高,收敛速度快。利用NASA/JPL获取的4视AIRSAR实测数据验证了本文方法的有效性。

基于人工智能的图像识别与分类技术分析

阐述深度学习原理以及关键图像处理步骤,探讨图像预处理、特征提取、分类器设计、分类决策与后处理等关键技术,通过一系列实验设计和结果分析,剖析不同技术在图像处理中的性能表现。