您的位置: 专家智库 > >

龙海翔

作品数:2 被引量:6H指数:1
供职机构:中国科学院电子学研究所更多>>
发文基金:国家高技术研究发展计划更多>>
相关领域:自动化与计算机技术更多>>

文献类型

  • 2篇中文期刊文章

领域

  • 2篇自动化与计算...

主题

  • 2篇纹理
  • 2篇纹理特征
  • 2篇矩阵
  • 2篇灰度
  • 2篇灰度共生矩阵
  • 2篇基于纹理
  • 2篇共生矩阵
  • 2篇SAR图像
  • 1篇特征提取
  • 1篇图像解译
  • 1篇纹理特征提取
  • 1篇解译
  • 1篇孔径雷达
  • 1篇雷达
  • 1篇合成孔径
  • 1篇合成孔径雷达
  • 1篇合成孔径雷达...
  • 1篇边缘特征提取
  • 1篇SVM分类

机构

  • 2篇中国科学院电...
  • 2篇中国科学院研...

作者

  • 2篇龙海翔
  • 2篇高鑫
  • 1篇刘蓉

传媒

  • 1篇计算机应用研...
  • 1篇计算机工程与...

年份

  • 2篇2011
2 条 记 录,以下是 1-2
排序方式:
基于纹理和边缘的SAR图像多维SVM回归
2011年
合成孔径雷达(SAR)图像ROI(Region of Interest)区域存在两种情况:只包含单一地物或由混合地物组成。对此,提出一种基于特征映射的SAR图像多维输出回归方法,该方法不仅能够对只包含单一地物的SAR图像进行类别判断,也能对混合地物区域的内容做出估计。首先对SAR图像提取基于灰度共生矩阵的纹理特征,然后构造了一组能够反映SAR图像边缘长度、方向和稀疏程度的边缘特征向量,最后利用纹理特征和边缘特征对SAR图像进行基于近似迭代变权最小二乘法(IRWLS)的多维支持向量机(Support Vector Machine,SVM)回归。实验结果表明,该方法能够对包含不同地物内容的ROI区域进行有效解译,正确率高。
龙海翔高鑫刘蓉
关键词:合成孔径雷达(SAR)图像纹理特征灰度共生矩阵图像解译
基于纹理和边缘的SAR图像SVM分类被引量:6
2011年
为实现SAR图像地物目标的有效分类,深入研究了基于灰度共生矩阵GLCM的四种纹理特征以及两个边缘特征。分析每个单独纹理或边缘特征在对SAR图像进行支持向量机SVM分类中对不同地物的分辨能力,选取不同的特征组合进行组合特征的SVM分类实验。对各种特征进行主成分分析PCA,并考察使用和不使用PCA两种情况下分类结果之间的差异。实验结果证明能量、边缘长度、对比度和相关度的特征组合在PCA作用下能够改善各类地物的分类精度,将总分类精度提高到90%以上。
龙海翔高鑫
关键词:纹理特征提取边缘特征提取灰度共生矩阵
共1页<1>
聚类工具0