基于組織協(xié)同進(jìn)化分類算法的遙感圖像目標(biāo)識(shí)別

基于組織協(xié)同進(jìn)化分類算法的遙感圖像目標(biāo)識(shí)別

ID:37420198

大?。?54.07 KB

頁(yè)數(shù):4頁(yè)

時(shí)間:2019-05-23

基于組織協(xié)同進(jìn)化分類算法的遙感圖像目標(biāo)識(shí)別_第1頁(yè)
基于組織協(xié)同進(jìn)化分類算法的遙感圖像目標(biāo)識(shí)別_第2頁(yè)
基于組織協(xié)同進(jìn)化分類算法的遙感圖像目標(biāo)識(shí)別_第3頁(yè)
基于組織協(xié)同進(jìn)化分類算法的遙感圖像目標(biāo)識(shí)別_第4頁(yè)
資源描述:

《基于組織協(xié)同進(jìn)化分類算法的遙感圖像目標(biāo)識(shí)別》由會(huì)員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。

1、維普資訊http://www.cqvip.com第20卷第3期信號(hào)處理、幻1.20.No.32004年6月SIGNALPRoCESSINGJun.2004基于組織協(xié)同進(jìn)化分類算法的遙感圖像目標(biāo)識(shí)別冰劉靜鐘偉才劉芳焦李成(西安電子科技大學(xué)雷達(dá)信號(hào)處理國(guó)家重點(diǎn)實(shí)驗(yàn)室,西安710071)摘要:針對(duì)遙感圖像目標(biāo)識(shí)別問(wèn)題,提出了一種基于組織協(xié)同進(jìn)化分類算法的識(shí)別方法。它沒(méi)有復(fù)雜的運(yùn)算,訓(xùn)練和識(shí)別速度都很快。對(duì)實(shí)測(cè)遙感圖像的實(shí)驗(yàn)表明,本文方法性能穩(wěn)定,優(yōu)于文獻(xiàn)【3】和【4】中基于支撐矢量機(jī)的方法,識(shí)別率均達(dá)到了95%以上,且訓(xùn)練

2、時(shí)間非常短,不到1秒鐘。關(guān)鍵詞:組織;分類;協(xié)同進(jìn)化;遙感圖像;目標(biāo)識(shí)別RemoteSensingTargetRecognitionBasedonOrganizatiOnaICoevolutionaryClassificationAlgorithmLiuJingZhongWeicaiLiuFangJlaoLicheng(KeyLabforRadarSignalProcessing,XidianUniversity,Xi’al,710071)Abstract:Anorganizadonalcoevolutionaryc

3、lassificationalgorithmisproposedforremotesensingtargetrecognition.Thismethodhasnotcomplexcomputation,SOitscomputationalcostisverylow.Experimentalresultsshowourmethodoutperformsthemethodsproposedinliterature【3】and【4】,whichisbasedonSVM,anditspredictiveaccuracyish

4、igherthan95%.Furthermore,thetrainingtimeofourmethodislessthan1second.Keywords:organization;classification;coevolution;remotesensing;targetrecognition訓(xùn)練和識(shí)別速度都很快,具有很大的實(shí)用價(jià)值。1引言本文組織如下:第2節(jié)詳細(xì)描述算法;第3節(jié)用實(shí)測(cè)遙當(dāng)人類進(jìn)入空間時(shí)代并跨入信息時(shí)代的門檻之時(shí),各種感圖像來(lái)測(cè)試算法的性能;最后一節(jié)對(duì)本文進(jìn)行了總結(jié)。運(yùn)行于空間、翱翔于空中的遙感平

5、臺(tái)使人類的視野獲得了最2算法描述大限度的延伸,充分挖掘和利用遙感信息資源已成為熱點(diǎn)研究領(lǐng)域,而要利用這些資源就必須先進(jìn)行識(shí)別。如果直接對(duì)由于相似目標(biāo)的不變矩取值也相近,因此我們先計(jì)算出圖像中的目標(biāo)進(jìn)行識(shí)別,則樣本的維數(shù)較高且不具有不變每幅遙感圖像目標(biāo)區(qū)域的不變矩M—M7,然后利用協(xié)同性。因此,一般都先進(jìn)行特征提取,然后再進(jìn)行分類識(shí)別。進(jìn)化的方式,讓相似的目標(biāo)自動(dòng)聚類,形成組織。進(jìn)化結(jié)束由于二維圖像目標(biāo)的7個(gè)不變矩特征【l】具有旋轉(zhuǎn)、平移、伸后,再根據(jù)每個(gè)組織中不變矩取值的相似性提取規(guī)則,用于縮不變性,已得到了廣泛的應(yīng)

6、用,所以本文也提取不變矩作識(shí)別新目標(biāo)。下面先給出基于不變矩的組織定義,然后詳細(xì)為特征。介紹算法的每一部分。在文獻(xiàn)【2】中,我們提出了一種新的分類方法——組織2.1基于不變矩的組織定義協(xié)同進(jìn)化分類算法。它從數(shù)據(jù)本身出發(fā),采用自下而上的分2維圖像,y)的(p+q)階中心矩為:類機(jī)制,沒(méi)有復(fù)雜的運(yùn)算,具有很高的運(yùn)算效率。因而,根=∑E(x—)(y一歹)f(x,Y)(1)wY據(jù)遙感圖像的特點(diǎn),本文將其與不變矩相結(jié)合,用于遙感圖其中和歹分別表示2維圖像中所有像素橫坐標(biāo)與縱坐標(biāo)像目標(biāo)識(shí)別。實(shí)驗(yàn)結(jié)果表明,本文方法獲得了很高的識(shí)別率

7、,的平均值,y)表示位于,y)位置上的像素的灰度值?;崭迦掌冢?003年3月24日;修回日期:2003年9月1日‘國(guó)家自然科學(xué)基金重點(diǎn)資助項(xiàng)目(批準(zhǔn)號(hào):60133010)維普資訊http://www.cqvip.com278信號(hào)處理第20卷于2階和3階中心矩的7個(gè)不變矩為:一種組織選擇機(jī)制:Ml=(+)(2)遷移算子:從同一目標(biāo)類中隨機(jī)選擇兩個(gè)組織orgp.與M2=(一)+4(3)orgp2作為父代,然后從orgp1中隨機(jī)選擇m個(gè)樣本加入orgp2中,形成兩個(gè)子代組織org1與orgc2。M,=(一2)+(一)(4

8、)交換算子:從同一目標(biāo)類中隨機(jī)選擇兩個(gè)組織orgp與M4=(3o+“2)+(l+.“03)(5)orgp2作為父代,然后從Orgp1中隨機(jī)選擇m個(gè)對(duì)象加入orgp2M5(+“2)(一2)【(+“2)一3(l+)】+(6)(31一)(l+3)【3(+1)(1一)】中,再?gòu)膐rgp2中隨機(jī)選擇m個(gè)對(duì)象加入orgp1中,形成兩個(gè)子代組織org1與or

當(dāng)前文檔最多預(yù)覽五頁(yè),下載文檔查看全文

此文檔下載收益歸作者所有

當(dāng)前文檔最多預(yù)覽五頁(yè),下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學(xué)公式或PPT動(dòng)畫的文件,查看預(yù)覽時(shí)可能會(huì)顯示錯(cuò)亂或異常,文件下載后無(wú)此問(wèn)題,請(qǐng)放心下載。
2. 本文檔由用戶上傳,版權(quán)歸屬用戶,天天文庫(kù)負(fù)責(zé)整理代發(fā)布。如果您對(duì)本文檔版權(quán)有爭(zhēng)議請(qǐng)及時(shí)聯(lián)系客服。
3. 下載前請(qǐng)仔細(xì)閱讀文檔內(nèi)容,確認(rèn)文檔內(nèi)容符合您的需求后進(jìn)行下載,若出現(xiàn)內(nèi)容與標(biāo)題不符可向本站投訴處理。
4. 下載文檔時(shí)可能由于網(wǎng)絡(luò)波動(dòng)等原因無(wú)法下載或下載錯(cuò)誤,付費(fèi)完成后未能成功下載的用戶請(qǐng)聯(lián)系客服處理。