【摘 要】
：
针对传统基于像元的变化检测方法无法充分利用遥感多时相影像变化特征信息和检测精度低的问题,提出一种改进的模糊C均值聚类算法用于变化检测;首先利用对数法、差值法、比值法从不同代数角度获取影像的变化信息,然后将变化信息组成一幅3通道的变化影像,再利用主成分提取方法提取变化影像的主要特征,将变化强度图转换为向量样本集并映射到对应特征空间得到样本空间;最后在样本空间中进行聚类,利用粒子群算法的全局搜索特性解
【机 构】
：
四川轻化工大学自动化与信息工程学院,四川宜宾644000;四川轻化工大学计算机学院,四川宜宾644000
论文部分内容阅读
针对传统基于像元的变化检测方法无法充分利用遥感多时相影像变化特征信息和检测精度低的问题,提出一种改进的模糊C均值聚类算法用于变化检测;首先利用对数法、差值法、比值法从不同代数角度获取影像的变化信息,然后将变化信息组成一幅3通道的变化影像,再利用主成分提取方法提取变化影像的主要特征,将变化强度图转换为向量样本集并映射到对应特征空间得到样本空间;最后在样本空间中进行聚类,利用粒子群算法的全局搜索特性解决传统模糊C均值聚类算法易受初始化中心影响陷入局部最优的问题,并以Davies Bouldin指标作为粒
其他文献
下肢辅助运动装置旨在解决下肢运动能力完全丧失或者严重损伤患者的运动问题。针对辅助运动装置系统模型存在不确定性与时变性等问题,提出一种无模型自适应迭代学习控制算法,实现下肢辅助运动装置精确跟踪运动轨迹。首先,运用数据驱动的控制策略,建立辅助运动装置系统动力学模型的动态线性化方程;在此基础上,结合自适应控制算法,通过输入输出数据更新迭代学习控制器参数,实现对关节轨迹的跟踪。以下肢辅助运动装置为仿真对象
煤矿火灾严重威胁着生命与生产的安全。针对矿井下潮湿多尘及矿灯光斑与火灾烟雾特征极为相似的问题,提出改进的暗原色理论去雾算法,结合CLAHE算法对图像进行轮廓和细节增强;建立颜色模型分割出疑烟区域;然后用光流法确定烟雾的主运动方向,将烟雾的不规则特征、灰度共生矩阵与平均梯度特征融合训练SVM分类器。对模拟拍摄的煤矿井下烟雾和伪烟雾视频进行检测,平均准确率达到94.97%,结果表明上述算法提高了矿井下
针对当前Hadoop资源负载监测过程易出现能耗较高、时延明显的问题,提出高负载量移动服务器Hadoop资源信息智能监测方法。利用时间序列将Hadoop资源分化至多种资源访问序列中,分析序列类似度并估算类似值。利用计算最邻近节点方法划分高负载资源序列。计算高负载系数,获取特征向量集向量,将其转换为特征矩阵,传输高负载特征信息结果,完成高负载量移动服务器Hadoop资源信息智能监测。实验结果证明,研究
为了提升航海模拟器视景系统的真实感,提出一种基于物理模型的流体粒子的旋涡限制力模型。采用基于位置的动力学框架构建流体粒子系统模型,通过涡度约束函数产生旋涡限制力,利用旋涡限制力实时更新流体粒子旋向加速度,进而更新流体粒子速度场。结果表明添加旋涡限制力的流体粒子模型可有效地模拟出复杂海面上海浪的翻卷与破碎,所求得速度场的粒子系统可一定程度上真实地模拟海浪表面,能有效地提高航海模拟器视景系统的真实感。
针对连续图像相似信息识别过程适应度较差的问题,提出基于特征矩阵的动态相似信息自适应识别方法。通过图像预处理凸显出图像最原始特质,剔除冗余信息。在连续形变图像中,考虑其被遮盖的范围不能使用当前帧的像素动态信息进行更新,采取参照原本像素信息与灰度值融合方式更新像素,实现图像可变光强背景区域的更新。计算连续形变图像特征矩阵相似度,完成基于特征矩阵的动态相似信息自适应识别。仿真结果证明,上述方法能够同时满
利用当前方法监控建筑群垂向振动特性时,没有对垂向振动信号进行预处理,导致监控效果不够优秀、效率低、稳定性较差,因此提出基于常时微动的建筑群垂向振动特性监控方法。采用常时微动仪对建筑群的四个方位的垂向振动信号采集与记录;利用小波分析法,根据有用信号与噪声在各变换尺度中传播的特性不同,在频段上相互叠加情况下进行去噪处理,提高监控效果;通过自适应幅值算法,对信号片段进行切分,实现建筑群垂向振动特性监控。
新能源汽车作为新兴产业,是未来汽车产业的主要方向.中国新能源汽车产业的快速发展离不开产业政策的推动,中国新能源汽车企业的核心技术和品牌质量等竞争力正在快速提升.通过回顾近年产业政策的变化了解政策方向;从市场、企业、技术等方面分析了目前的产业现状;对新能源汽车产业政策提出一些看法与建议,包括健全相关法规、加强研发环节和产业化方面的政策支持.
为增加可视检测在各个应用领域中的普适性,加强人机交互对背景环境和目标物体的感知,使其可以精准、有效、快速地完成检测任务,提出一种基于人机交互的三维数据协同可视检测。使用基于人机交互的C/S结构对目标的三维数据构建模型,通过采集空间中栅格化后的三维坐标实现协同感知,利用k-means分类法对不断变化的原始数据做重复反馈处理,再根据能够反映目标材质信息的LBP值和可以对不同数据进行精准划分的归化平面,
针对当前蔬菜病虫害相关成果存在的识别准确率较低等问题,提出基于渐进式分割的蔬菜病虫害识别方法。首先采集蔬菜图像,利用灰度直方图均衡化法增强图像细节,提高图像清晰度。对增强后图像进行二值化处理,实现病斑部位的分离,同时进行边缘检测与细线化操作,提取病斑轮廓。引入渐进式分割法,利用渐近分割方法选择图像区域,通过局部优化完成匹配,直至获取最终的分割结果,实现蔬菜病虫害识别。通过实验证明,所提方法图像处理
针对现有方法在大规模数据集量化时所产生的信息流失,影响检索准确率等问题,提出了脱机训练与在线索引等两种索引学习算法。采用类神经网络架构去学习最近邻关系,重新定义索引结构。将查询值的特征向量作为类神经网络的输入,类神经网络的输出则是各群的近邻概率。通过预测各群的近邻概率,来取代传统以欧几里得距离来排序的方法。仿真结果表明,通过学习并依照近邻概率去访问各群,可以让候选集信息更为精准。还可以与其它近邻搜