基于IKONOS的黄河三角洲人工刺槐林健康状况分类

对刺槐林生长状况的准确分类制图,是刺槐林生长动态监测和枯梢退化原因分析的基础,这对指导防护林建设、更新以及研究区其它树种的植被重建具有重要的意义。该研究以黄河三角洲地区刺槐林为对象,采用2013年6月9日IKONOS影像为数据源,利用决策树分类器对归一化植被指数和土壤调节植被指数定义一组规则提取出刺槐林地分布范围,制作刺槐林地掩膜,创建灰度共生矩阵来区分健康树冠和林下禾草,结合实地样方调查信息,选取感兴趣区进行监督分类。刺槐林的三个健康度由原位的5个树冠条件指标决定。分类结果表明,刺槐林健康状况分类结果与实地样方数据具有较好的一致性,利用混合矩阵进行精度评价,总精度达到84.3159% ,Kappa系数为0.7652 。     

基于小波核MSVR的IKONOS影像多分类

针对IKONOS影像波段和光谱特点,结合小波函数对非线性信号的良好描述能力和多输出支持向量回归(MSVR)在多维机器学习领域的优势,提出一种基于小波核MSVR的IKONOS影像多分类方法,并以安徽大学新校区的IKONOS影像进行仿真实验.结果表明,提出的多分类算法优于传统的有监督二分类方法和无监督K-Means分类方法,获得较好的分类效果.     

遥感影像监督分类与非监督分类的比较

遥感影像的分类方法按照是否有先验类别可以分为监督分类和非监督分类,这两种分类法有着本质的区别但也存在一定的联系．从分类原理、分类过程、分类方法等不同角度分析了这两种方法的区别与联系,并展望了遥感影像分类的发展趋势与发展前景．     

基于模式识别与灰度共生矩阵的神经元图像分类

为了实现自动高效且结果准确的生物神经元识别,提出一种基于模式识别与图像灰度共生矩阵特征的神经元自动分类方法。该方法通过对生物神经元图像预处理,计算图像的灰度共生矩阵,统计各图像灰度共生矩阵属性值的平均值和标准差,构建生物神经元类别的特征空间,利用模式识别中的人工神经网络方法建立特征空间与神经元类别之间的映射关系。采用收集的160幅生物神经元图像对该方法进行实验分析,测试集的识别正确率达93.8%。研究结果表明,结合模式识别与图像灰度共生矩阵特征的生物神经元图像自动分类方法具有较高的准确性与可靠性。     

基于SVM的图像分类研究

支持向量机（SVM）是一种优秀的分类方法,灰度共生矩阵（GLCM）是一种很好的纹理分析方法;本文研究了图像的颜色、纹理等特征对利用支持向量机进行图像分类的影响,提出了一种使用灰度共生矩阵进行综合特征提取的SVM图像分类方法。实验结果表明SVM方法的可行性和有效性,并得出图像综合特征的提取有利于分类效果的提高。     

基于SVM的图像分类研究

支持向量机(SVM)是一种优秀的分类方法,灰度共生矩阵(GLCM)是一种很好的纹理分析方法;本文研究了图像的颜色、纹理等特征对利用支持向量机进行图像分类的影响,提出了一种使用灰度共生矩阵进行综合特征提取的SVM图像分类方法.实验结果表明SVM方法的可行性和有效性,并得出图像综合特征的提取有利于分类效果的提高.     

基于可重构计算技术的图像分类系统研究

考虑到图像分类方法是计算密集型算法,设计使用可重构方法对图像分类系统加速.再由纹理参数本身的特性,利用基于差异的动态重构方法以有效利用芯片.实验表明,所设计的图像分类系统与通用处理器相比,显著减少了分类时间;同时在不增加运行时间的前提下,与传统实现方法相比,能更有效地利用芯片面积.     

基于GLCM和小波特征的SAR海冰分类

为了减少相干斑噪声对合成孔径雷达(SAR)海冰分类结果的影响,综合灰度共生矩阵(GLCM)和小波特征,提出了融合空间域和频域的纹理特征的SAR海冰分类方法,利用航天飞机成像雷达3号(SIR-C)探测数据,开展了SAR海冰分类研究。结果表明,该分类方法能在保留图像边缘细节信息的基础上,提取小波特征,减少噪声影响,解决了灰度共生矩阵方法无法克服的斑点状分类不准确问题,提高了分类精度。     

太行山阜平县龙泉关人工刺槐林群落与次生灌草丛群落的比较

研究了人工刺槐林群落与灌草丛群落的种类组成、生活型谱、垂直结构、生态优势度和均匀度指数.人工刺槐林群落垂直结构复杂 ,物种数目增加 ,生活型谱更接近典型的暖温带落叶阔叶林群落类型 ,灌木层的物种多样性指数、均匀度指数较灌草丛群落的灌木层低 ,生态优势度较高 ;林下草本层与灌木层相比其生物多样性指数、均匀度指数和生态优势度指数均较高.这表明人工刺槐林群落对灌草丛群落有明显的改造作用.     

基于粗集的遥感影像决策树分类新方法

土地利用信息是进行土地规划和管理的重要数据,有着重要的经济价值.采用计算机仿真技术对遥感影像进行自动分类是一种获取土地利用数据十分有效的手段.然而遥感影像的不确定、不一致现象易导致过度拟合,增加了分类难度.提出了一种新的基于粗集的决策树用于遥感影像分类.经试验表明该分类方法较CART树、ID3树等算法在分类精度、防止过度拟合方面均有所提高.     

基于灰度纹理指纹的恶意代码分类

随着各种新技术的出现,传统的恶意代码的识别和分类技术存在着检测率瓶颈、实时监测效率不高的问题,为了提高准确率,提出了一种基于图像纹理指纹特征与深度学习神经网络结合的分类方法。该方法首先将数据集中恶意代码的二进制文件建模为灰度图,采用改进的灰度共生矩阵提取出恶意代码中的指纹特征图像,并选择不同步长扩展样本量,然后将该指纹特征图像作为输入数据集并采用卷积神经网络模型中进行分类训练。结果表明,该方法可以有效地分类恶意代码,准确率可达96.2%,并在泛化测试中取得了较好的效果。     

基于灰度共生矩阵的高效积分图像计算(英文)

基于局部特征描述符的主要方法正在被用于纹理分类、目标检测和识别.灰度共生矩阵(GLCM)是一个体现纹理图像的很流行的方法,也被证明是一个非常强大的纹理分析工具.灰度共生矩阵所带来的子图像重叠非常严重,要花大量的时间去计算.本文提出一种高效灰度共生矩阵的计算方法,并通过实验结果来显示其效率.     

基于灰度共生矩阵和BP神经网络集成的纹理图像分类

通过对灰度共生矩阵的分析,提取图像的纹理特征参数,并用BP神经网络集成的方法对Brodatz纹理库图像进行分类,仿真结果显示,其分类效果优于单一的BP神经网络,可有效提高分类识别率。     

基于灰度共生矩阵和梯度相位互信息的医学图像检索

结合灰度共生矩阵特征和梯度相位互信息,提出了一种面向临床实际应用的两步匹配医学图像检索算法.该算法在提供良好分类性能的灰度共生矩阵特征的基础上,通过精化检索进一步提高了检索精度,以及检索算法的整体鲁棒性.使用该算法对包含有6种不同解剖部位的CT图像库进行检索实验.实验结果表明该算法在达到良好的检索准确性的同时,具有接近实时的查询响应速度.对该算法进行适当扩展,能容易地推广到实际医学检索应用中.     

基于分类精度和相关性的随机森林算法改进研究

为了提升传统随机森林算法的分类精度,本文首先对传统随机森林模型中的决策树根据分类性能评价指标AUC值进行降序排列,从中选取出AUC值高的决策树,计算这些决策树之间的相似度并生成相似度矩阵,然后根据相似度矩阵对这些决策树进行聚类,从每一类中选出一棵AUC最大的决策树组成新的随机森林模型,从而达到提升传统随机森林算法分类精度的目的。通过UCI数据集的实验表明,改进后的随机森林算法分类精度上最大提高了2.91%。     

基于人工神经网络的遥感图像分类研究

随着人工神经网络系统理论的发展,神经网络技术日益成为遥感图像分类处理的有效手段,并有逐步取代最大似然法的趋势。本文重点讨论了遥感图像分类处理研究中应用效果显著的BP神经网络方法,并在MATLAB平台下对基于BP神经网络的分类算法进行了研究,最后将它的分类结果与最大似然法的分类结果进行了精度比较分析。结果表明基于BP神经网络的遥感图像分类效果是较好的,是一种有效的图像分类方法。     

基于图片DCT域共生矩阵的图像拼接盲检测

通过对图像拼接技术的分析,提出了一种基于灰度共生矩阵的拼接图像检测算法.该算法把离散余弦变换(DCT)与灰度共生矩阵结合,计算图片DCT域上的灰度共生矩阵,将共生矩阵作为特征向量,采用特征提取 分类方法,利用支持向量机（SVM）分类器进行分类预测.实验结果表明,该算法在哥伦比亚大学灰度图片库和中国科学院彩色图片库上达到了91.2%和98.5%的最高检测准确率.     

基于Bandelets和Wavelet变换的感兴趣区域图像压缩

图像的边缘信息对图像的整体视觉效果起着极其重要的作用.因此,在有损压缩过程中如何有效的保留边缘信息是影响视觉质量的一个重要方面.小波和二代Bandelet可以分别对图像的光滑区域和边缘纹理部分达到理论上的最优逼近.提出一种利用Bandelet和小波互补压缩方法,在低比特情况下能够较好的保留图像的边缘信息和纹理细节,从而使图像的整体视觉质量得到提高.实验结果表明,该方法相对于传统的小波变换压缩方法能够更好地提高图像的整体视觉质量.     

基于人工神经网络的马铃薯品质分级系统

综合运用计算机视觉技术、人工神经网络技术以实现马铃薯品质的自动分级．试验表明,该方法能满足马铃薯分级的要求,分级的准确率可以达到90％以上．