国家自然科学基金(41101386)
- 作品数：14 被引量：56H指数：4
- 相关作者：方涛霍宏万里红张盛博刘娜更多>>
- 相关机构：上海交通大学教育部更多>>
- 发文基金：国家自然科学基金国家重点基础研究发展计划国家教育部博士点基金更多>>
- 相关领域：自动化与计算机技术电子电信更多>>
- 基于贝叶斯推理的多线索视觉注意模型被引量：2
- 2013年
- 针对大多数视觉注意模型都采用简单加权线性融合的方式获取显著图,提出了一个更符合生物学机制的基于贝叶斯推理的多线索视觉注意模型,模拟视觉系统腹侧通路与背侧通路中的视觉注意过程,采用贝叶斯推理的方式集成自顶向下与自底向上的信息,同时还集成了多种视觉线索,包括形状、颜色和上下文等。利用该模型进行遥感影像中的目标检测与定位的结果表明,该模型能有效的检测出目标并给出目标所在的位置。
- 朱辰阳霍宏方涛
- 关键词：视觉注意贝叶斯推理目标检测
- 基于对象的合成孔径雷达影像极化分解方法被引量：2
- 2014年
- 面向对象方法已成为全极化合成孔径雷达(SAR)影像处理的常用方法,但是极化分解仍以组成对象的像素为计算单元,针对以像素为单位的极化分解效率低的问题,提出一种面向对象的极化分解方法。通过散射相似性系数加权迭代,获得对象的极化表征矩阵并对其收敛性进行了分析,以对象极化表征矩阵的极化分解代替对象区域内所有像素的分解,提高极化特征获取效率。在此基础上,综合影像对象空间特征,并通过特征选择与支持向量机(SVM)分类进行分析和评价。通过AIRSAR Flevoland影像数据实验表明,面向对象的分解方法能够减少对象极化特征提取的时间,同时提高地物目标的分类精度。相对于监督Wishart方法,提出方法的总体精度和Kappa值分别提高了17%和20%。
- 李雪薇郭艺友方涛
- 关键词：合成孔径雷达收敛性
- 基于强监督部件模型的遥感图像目标检测被引量：7
- 2016年
- 针对遥感图像中由于背景复杂、目标外观多样和方向任意而导致的检测精度不高的问题,提出一种基于强监督的部件模型方法.该方法针对目标的每个方向范围训练子模型,同时训练集除了标注出目标的外接矩形,还标注出每个部件的位置及其语义.模型训练时,首先,通过对训练集图像建立多尺度方向梯度直方图(HOG)特征金字塔,且根据目标部件标注信息采用最小生成树(MST)算法初始化模型结构;其次通过隐支持向量机(LSVM)方法训练出多个对应不同方向区域的子模型,每个子模型由一个目标滤波器和多个两倍分辨率的部件滤波器,以及位置关系模型组成,多个子模型最终合并成用来检测的混合模型.目标检测时,类似地建立多尺度特征金字塔,然后利用训练滤波器模型在特征金字塔上以滑动窗口的方式计算匹配响应得分,对响应得分设置阈值且采用非极大值抑制(NMS)算法来获得优化后的检测结果.该方法在自建的遥感数据集上目标检测精度达到了89.4%,对比弱监督部件模型(DPM)、分类器模板集成(Exemplar-SVMs)和方向梯度直方图-支持向量机(HOG-SVM)方法中的最高精度,所提方法提升了4个百分点.实验结果表明,所提算法能够在解决方向和背景复杂问题上有一定的提升,而且可以应用于机场军事飞机目标检测.
- 周福送霍宏万卫兵方涛
- 关键词：目标检测遥感图像混合模型
- 自适应多尺度融合遥感图像分割方法被引量：2
- 2012年
- 针对遥感图像数据量大、地物对象与空间尺度密切相关的特点,提出一种自适应多尺度融合遥感图像分割方法。使用颜色方差作为距离度量,利用区域邻接图和最近邻区域图对遥感图像进行快速分割,建立阈值和尺度之间的函数关系,通过不同阈值得到多尺度分割结果,并采用融合方法获得最终结果。实验结果表明,与eCognition单尺度分割方法相比,该方法可消除遥感图像过分割或欠分割的现象。
- 李楠霍宏方涛
- 关键词：遥感图像图像分割多尺度图像融合图模型
- 基于共享特征的高分辨率遥感影像多级分类被引量：1
- 2013年
- 高分辨率遥感影像细节丰富,具有类内差异大、类间差异不明显的特点。为此,模拟人的目视解译方式,提出一种基于共享特征的多级二叉树分类算法,把多类分类问题划分为多个两类分类问题,每级两类分类都提取共享特征,仅解译一类目标,已解译的类别不再参加后面的分类,利用这样的逐步淘汰机制完成一幅遥感影像的全部解译。实验结果表明,与K近邻、支持向量机等其他多类分类算法相比,该算法具有更高的分类精度。
- 康萌萌郑来文霍宏方涛
- 关键词：面向对象分类高分辨率遥感影像
- 基于贝叶斯置信传播的视觉注意层次模型被引量：1
- 2014年
- 受人类视觉系统采用层次性信息处理机制预测感兴趣区域和进行快速目标检测的启发,提出了一种新的基于贝叶斯推理的层次性视觉注意模型。该模型利用来自腹侧通路的颜色特征作为自底向上的推理信号,利用来自背侧通路的方向位置信息作为自顶向下的推理信号,并将这些信息在贝叶斯框架下集成,通过推理得到显著图。用自然场景图像集进行了该模型与IT、GB等9种视觉注意模型的性能对比实验,结果表明该模型的显著图更接近于人类注视图,能够更好地模拟视觉注意。此外,在遥感图像上的实验表明,与性能接近的GB模型相比,该模型能更好地实现目标检测。
- 岑君凯霍宏方涛
- 关键词：视觉注意贝叶斯推理目标检测
- 考虑稳定性要求的特征选择方法
- 2014年
- 为了提高特征选择的稳定性和降低因样本数据变化引起的选择结果波动,提出了一种考虑稳定性要求的过滤式特征选择方法。不同于集成特征选择等现有的增强稳定性方法,该方法将特征的稳定性与相关性、冗余性一起作为特征评价准则,通过产生多个数据集来减少样本数据扰动,不断将新产生的选择结果迭代计算稳定性因子,并同时提高其在准则中的比重以使迭代收敛。最终将融合多次迭代信息的特征排序作为最终结果输出。实验表明,该方法能够在保持相当分类精度的基础上,能够较大幅度地提高选择结果的稳定性,达到兼顾分类精度与稳定性的目的。
- 季金胜郭艺友霍宏方涛
- 关键词：冗余性稳定性高维数据
- 基于强监督部件模型的遥感影像目标检测
- 随着各国航空航天技术和传感器技术的飞速发展，人类可获取的遥感影像数据规模不断增大，影像质量不断增强。相比传统的低分辨率遥感影像，高分辨率遥感影像背景布局复杂，能够表达更多地纹理结构和空间布局等精细信息。高分辨率遥感影像中...
- 周福送
- 关键词：遥感影像目标检测图像特征
- 文献传递
- 基于卷积神经网络的高分辨率遥感影像机场与飞机检测
- 遥感影像中的典型地物目标检测一直是遥感影像解译的一个重要内容。随着卫星遥感成像技术飞速发展，如何实时、高效地从遥感数据中自动提取所需要的信息，快速、准确的检测出特定目标是当前研究的热点。传统检测方法都是提取人工设计的特征...
- 姚相坤
- 关键词：遥感影像目标检测卷积神经网络机场检测
- 文献传递
- 基于多结构卷积神经网络的高分遥感影像飞机目标检测被引量：20
- 2017年
- 传统的遥感影像目标检测方法大多利用人工提取特征,难以用于背景复杂的高分辨率遥感影像。针对该问题,构建一种多结构卷积神经网络模型(MSCNN)自动学习目标特征。通过改变卷积滤波器尺寸、数量以及网络层数,分别设计4种不同结构的CNN以提取目标从低层、中层到高层不同尺度的特征信息,并将4种CNN输出采用串行方式连接并输入到BP神经网络分类器进行训练。在检测阶段采用滑动窗口方法进行目标搜索。对高分辨遥感影像中飞机的检测实验结果表明,MSCNN在虚警率和召回率上较4种单一结构的CNN具有明显的检测优势,召回率平均提升6%,虚警率平均降低3%。对油罐的检测结果进一步表明,MSCNN可以推广到对遥感影像其他目标的检测。
- 姚相坤万里红万里红霍宏
- 关键词：目标检测卷积神经网络特征提取
