科研产出
融合语义特征与边缘特征的枸杞空间分布提取
《测绘科学 》 2022 北大核心 CSCD
摘要：针对当前遥感图像分割结果中提取对象边缘像素的分割精度低的问题,为提高边缘像素特征与内部像素特征的一致性,该文建立了一种融合语义特征与边缘特征的高分辨率遥感图像分割方法(EFFNet).EFFNet分别从遥感图像中提取语义特征,从遥感图像和边缘图中提取边缘特征,并对两类特征采取多尺度分级融合,以获取到兼有较高的类间区分性和类内一致性的特征向量,实现良好的分割结果.实验结果表明,EFFNet对宁夏地区的枸杞空间分布提取结果的召回率、准确率、精确率和F1分数均优于其他7个对比方法.EFFNet模型可用于获取高精度枸杞等农作物空间分布信息,EFFNet的提取结果能够为大范围枸杞等农作物面积统计提供参考.
关键词： 卷积神经网络 图像分割 高分辨率遥感影像 语义特征 边缘特征 枸杞
全文链接
请求原文
基于卷积神经网络深度特征融合的番茄叶片病害检测
《中国科技论文 》 2021 北大核心
摘要：为提高对叶片病害的识别性能和速度,针对传统手工设计特征识别能力有限的问题,提出了一种基于卷积神经网络（convolutional neural networks, CNN）深度特征融合的植物叶片病害检测方法。首先自动提取不同深度神经网络模型的深度特征,利用典型相关分析（canonical correlation analysis, CCA）进行特征融合,增加特征空间的丰富性和鲁棒性;然后与线性判别分析（linear discriminant analysis, LDA）降维算法相结合,利用LDA最大化类间距离,弥补CCA算法的弱点;最终得到精练良好的植物叶片特征表示。对最终得到的特征进行支持向量机（support vector machine, SVM）分类,在10类番茄叶片数据集上的分类准确率达98.7%,识别速度达30张/s。相比利用GoogleNet深度学习模型和深度特征级联融合分类,准确率分别提高了4%与1%;与使用CCA融合相比分类准确率下降了0.1%,但其识别速度远远高于CCA融合。对比实验表明,所提算法在去除特征冗余的同时较好地保留了相关特征信息,能快速而准确地对番茄叶片进行检测。
关键词： 病害检测 特征融合 典型相关分析 LDA降维 卷积神经网络
全文链接
请求原文
首页上一页1下一页尾页
