影像分类

摘要： 通过对遗传算法和神经网络的优缺点的对比分析,将遗传算法改进BP神经网络的混合遗传BP算法(GA-BP)应用于遥感影像分类。算法程序在MATLAB环境下实现,通过采用GA-BP算法和Levenberg—Marquart算法(L—M)改进BP算法分别对同一算例进行试验,得到了精度相当的结果,验证了GA-BP算法在影像分类应用领域的可行性。

摘要： 居民地是地物的重要组成部分,对它的获取是遥感影像提取的主要研究内容之一。深入研究了居民地相关概念,提出了基于遥感影像的居民地提取方法。该方法综合利用居民地的光谱和几何特征,通过影像分割和影像分类进行居民地提取。同时为了解决提取结果较为破碎等问题,提出了居民地提取后处理方法。结果表明:文中提出的方法可以快速有效地提取居民地数据,研究结果对于准确地确定居民地面积及其分布情况具有重要的实际应用价值。

摘要： 在遥感技术不断发展、空间分辨率不断提升的大背景下,对遥感影像进行特征提取并进行分类成为遥感的重要课题。本文采用数学形态学技术进行特征提取,得到了形态特征、扩展形态特征、属性特征、扩展属性特征这4种形态学特征类。利用形态学特征和BP神经网络,改变采用的形态学特征,形态学特征提取中使用的参数以及BP神经网络的隐藏层数和隐藏层神经元数分别进行监督分类,计算各自的OA以及Kappa系数,比较其大小。分类结果精度评价表明扩展形态特征分类效果和扩展形态特征分类效果较好,适用于对遥感影像分类;而隐藏层神经元的数目和隐藏层的层数对分类结果没有显著影响。

摘要： 针对高光谱影像空谱信息利用问题,设计了一种融合空间信息的稀疏表达分类方法,以提高高光谱影像的分类精度。首先,在特征提取阶段引入空间信息,采用形态学滤波的方法提取高光谱影像的形态学属性剖面特征;然后,采用训练样本构成的字典对提取到的空间特征进行稀疏编码,在编码过程中进一步引入空间邻域信息来提高稀疏编码效果;最后,根据测试样本的稀疏编码向量计算其相对于每个类别的重构误差,并将该样本划分到重构误差最小的类别中完成分类。为了验证该方法的有效性,在Pavia大学和Indian pines 2组高光谱数据集上进行分类实验。实验结果表明,该方法充分利用了高光谱影像的空间邻域信息,能够有效提高高光谱影像的分类精度。

摘要： 营口沿海产业基地是“兴辽计划”和振兴东北的重要支点,其经济发展与海岸带变迁的耦合机制亟需海岸带土地利用和景观格局的变化足迹,以便深入理解海岸城市与经济发展协同演进过程。以面向对象的分类器为主辅以人工解译,提取营口海岸带1984—2018年间30m土地利用信息,采用土地转移矩阵和景观格局指数分析土地利用和景观格局变化趋势,通过主成分分析法探讨诱发变化的关键驱动因素。结果表明:(1)土地利用类型1984—1992年以耕地和盐田变化为主发展到1993—2006年建设用地激增的趋势,具有从农耕为主到城市化的鲜明时代特征;(2)土地利用类型间的逐年转化程度各不相同,其中1993—1995年、2006—2007年、2011—2015年耕地和低效盐田向建设用地的转入最为突出;(3)景观格局总体上斑块趋于分散, 2004年后破碎化加剧,并呈现以建设用地和耕地为区域基质,其他景观周围分布的模式;(4)人口和经济政策因素在营口市海岸带土地利用方式转变过程中具有明显驱动效应。尤其“以港兴市”、耕地占补平衡、沿海产业基地建设等政策驱动当地土地利用倾向性的变化方向。合理调整土地利用结构,优化景观布局,充分利用沿海地理优势的同时更应着眼于可持续发展,致力经济、社会和生态效益相统一。

摘要： DenseNet是一种广泛用于影像分类的卷积神经网络,但它不具备记忆功能,无法反映卷积操作后不同特征映射之间的关联关系.若将其直接应用于判断直肠癌是否发生淋巴结转移,则无法比较直肠癌CT影像特征在深度神经网络映射过程中的变化.基于此,提出了一种新颖的深度神经网络模型DenseNet-GRU(gated recurrent unit),其核心是利用GRU获取DenseNet提取的不同影像特征之间的关联关系,进而获得不同图像之间相同像素区域的特征变化情况,最终判断直肠癌患者的淋巴结是否存在转移.以包含107个患者DCM格式的腹部横断位动脉期和门脉期两种增强CT影像为实验数据集,采用数据增强和阈值分割方法对数据进行预处理,DenseNet-GRU模型在F-score上的分类精度达到了65％以上,对临床辅助诊断具有重要的现实意义.

摘要： 针对目前遥感图像分类准确性有待于进一步提高的问题,选用当前受到广泛关注的深度学习算法,进行了基于深度学习(Deep Learning,DL)的高分辨率遥感影像分类方法研究.以黑龙江省某实验研究区不同时相的高分一号遥感数据为基础数据源,基于Matlab开发环境,结合面向对象分类技术进行影像分割,搭建了一种基于深度学习的高分辨率遥感影像分类模型.同时对模型中的参数进行反复试验对比分析,最终得到较准确的模型参数.结果 表明,本模型可将分类精度提高至89.8％.

摘要： 应用卷积神经网络语义分割模型(Image Semantic Segmentation based on Convolutional Neural Network,CNN-ISS)进行遥感影像分类时,需将大幅影像分解为特定大小瓦片影像,并将其作为CNN-ISS处理对象,这一过程破坏了位于瓦片边缘处地物的完整几何及纹理特征,从而影响瓦片边缘处地物的识别效果,即瓦片边缘效应.该研究以DeepLab V3为CNN-ISS核心模型,对唐山农村地物进行语义分割,定量分析了分类结果的瓦片边缘效应,并提出了5个消除此效应的后处理方案.结果表明:像素分类精度与像素到瓦片边缘距离正相关,瓦片边缘处错误率最高达6.93％,中央处错误率最低为3.52％,存在瓦片边缘效应;采用该研究提出的瓦片边缘效应消除方案后,整幅影像的总精度(Pixel Accuracy,PA)、均交并比(Mean Intersection over Union,mIoU)和Kappa系数均有提升,最高分别提升0.40、1.97个百分点和0.0122.在不改变CNN-ISS核心模型条件下,通过该研究的瓦片边缘效应消除后处理方案,可有效提升遥感影像分类精度,尤其针对复杂异构体和线状地物精度提升效果更好.

摘要： 针对目前遥感图像分类准确性有待于进一步提高的问题,选用当前受到广泛关注的深度学习算法,进行了基于深度学习(Deep Learning,DL)的高分辨率遥感影像分类方法研究。以黑龙江省某实验研究区不同时相的高分一号遥感数据为基础数据源,基于Matlab开发环境,结合面向对象分类技术进行影像分割,搭建了一种基于深度学习的高分辨率遥感影像分类模型。同时对模型中的参数进行反复试验对比分析,最终得到较准确的模型参数。结果表明,本模型可将分类精度提高至89.8%。

摘要： 针对影像分类结果的类间差异性与准确性难以平衡的问题,提出一种融合多特征与互信息选择集成多核极限学习机的影像分类方法.该方法首先利用最小噪声分离提取影像的光谱特征,考虑到高分辨率影像局部细节信息清晰,利用LBP算子提取影像的局部纹理信息,采用泛化性能好的核极限学习机训练多个弱分类器;然后,通过引入相关性准则描述准确性,冗余性准则描述差异性,将选择性集成多核极限学习机问题转化为变量选择问题;最后,利用基于互信息的最大相关最小冗余准则,对生成的多核极限学习机进行选择,从而实现影像分类结果差异性与准确性的平衡.文章采用高分二号数据实验,总体分类精度和K appa系数分别为92.03％、0.9.分析结果表明,该方法能够利用多种特征的分类优势,进而有效改善了高分二号影像的分类结果.

摘要： 随着现代医学成像技术的快速发展,医学影像分类已经成为重要的辅助诊疗需求.本文将文本领域中的词袋模型引入到图像领域,构建视觉词袋模型.为解决多义词和同义词问题,通过把词袋模型与PLSA主题模型结合,提出PLSA-BOA模型来解决传统词袋模型中的语义问题,这使得基于词袋模型的分类方法在精度上得到了进一步提高.实验结果表明,PLSA-BOW模型用于医学影像分类,具有较高的分类精度.

摘要： 遥感影像分类中，对某些无法实施现场踏勘的区域进行分类时，只能从其它类似影像中或参考历史资料选择分类样本进行分类。本文以支持向量机分类为例，利用迭代的方法，开展无分类样本条件下的遥感影像分类研究。

摘要： 实施土地发展规划，调整产业结构，必然引起土地利用变化。及时准确的掌握这种变化情况，对指导土地资源合理利用，保证国民经济健康发展具有重大意义。本文基于2001年与2006年北京海淀地区韩家川村及马连洼村IKONOS与QuickBird遥感影像，对比采用传统的基于象素的遥感影像分类方法与面向对象的分类方法进行影像分类，并进行对照分析，然后运用马尔可夫模型来定量分析土地利用变化信息，表达该地区土地利用综合水平和发展趋势，最后对该地区土地未来的发展规划给予一些意见和建议。结果表明：5年来，该地区的土地利用总体呈衰退趋势。54.02%的耕地被建筑用地所占用，造成耕地面积大幅度下降；园地面积下降也十分迅速，达到1倍之多；生态用地中林地、草地与水域保持相对稳定；建设用地有所增加，而未利用面积增加幅度较大。

摘要： 遥感技术是国土资源调查中的一项重要技术手段.本文针对海口市国土资源调查任务,研究了遥感影像的特点,分析了利用遥感影像分类技术实现主要土地分类方法,提出了多尺度遥感影像分割技术与建立遥感影像类别数据库在土地调查中的应用模式,该方法在海口国土资源调查中得到了应用.

摘要： 近年来支持向量机(SVM)以其能同时最小化经验误差与最大化几何边缘区的特点，在遥感影像分类中得到了广泛应用将SVM分类算法引入海岸线遥感提取中，以福建省沿海的Landsat7 ETM+影像为试验区，对影像进行分类，提取水边线。然后在ArcGIs支持下依据海岸线计算公式对水边线进行了岸线修正，完成了海岸线的提取。

摘要： 本研究利用2004年及2008年FORMOSAT 2(福卫2号)卫星所拍摄的东沙环礁资料进行影像分类,并配合现场海底基质调查结果显示:珊瑚主要出现的区域为大环礁内海域及大环礁外侧边缘,海草主要出现在东沙岛附近、大环礁内侧海域.另外,从2004年与2008年卫星资料呈现,大环礁外沿及环礁内西南区的珊瑚及珊瑚残骸,和东沙岛周围与北方与东北方环礁的海草在这2个时间都存在.本研究亦发现,具有生命的珊瑚或海草在2008年普遍较2004年为广泛,显见各执法及管理单位之努力皆已见成效.而从大环礁东北方延伸至南方之弧形分布区域之沙、珊瑚残骸与礁岩等,在2004年存在,但未出现在2008年,其可能受到台风侵袭所造成.

摘要： 盲源分离是指在源信号、传输通道的参数未知的情况下，根据输入源信号的统计特性，仅由观测信号恢复出源信号各个分量的过程。独立分量分析（ICA）是针对独立源信号的各分量分离问题提出的，是盲源分离的特例。独立分量分析算法在遥感图像分类方面的应用不多，从遥感图像的成像机理理解独立分量分析在遥感中的应用也没有。目前，在遥感图像分类方面，李祚泳采用神经网络对多波段遥感图像进行监督分类，分类精度优于传统方法，但是存在着学习速度慢，容易陷入局部极小、网络难以收敛等缺点。吴芳等人对TM数据先进行了主成分分析降维，再采用神经进行监督分类，提高分类的精度和速度。本文用独立分量分析取代传统的主成分分析，然后用径向基神经网络作为其分类器，对分类过程及结果进行分析，并与传统分类方法进行比较。

摘要： 本文设计了基于多分类器组合从高空间分辨率遥感影像中提取目标的具体方法。以房屋识别为例，选用QuickBird高分辨率影像，利用投票法、加权求和、完全一致等多分类器组合方法进行目标识别，比较了多分类器系统与单一分类器的精度与性能，从理论和实验两方面分析了多分类器组合用于目标识别的精度影响因素，提出了相应的改进策略。

摘要： 本文结合京杭大运河山东地区SPOT全色和多光谱融合后的遥感数据,应用面向对象分类法对其进行地物分类,并与传统的基于像元的分类方法进行结果对比分析。结果表明,该方法速度快精度高效果好,可以满足对京杭大运河保护规划监测的需求。

摘要： 对现有的西藏中部10景ETM＋数据进行了假彩色合成，并对合成影像进行了镶嵌。为便于分类，对镶嵌影像进行了拼接缝消除的优化处理。对消除了拼接缝的镶嵌影像进行了行政界叠加，取行政界内影像进行分类，将分类结果进行了统计和分析。

摘要： 本申请实施例公开了一种训练影像数据生成网络的方法、影像数据分类方法及装置，具体为，利用第一影像数据和第二影像数据，训练第一影像数据生成网络、第二影像数据生成网络。当第一影像数据生成网络生成的第一影像数据的第一鉴别结果达到预设条件，或第二影像数据生成网络生成的第二影像数据的第二鉴别结果达到预设条件时，表明第一影像数据生成网络、第二影像数据生成网络训练完成。当仅存在第一影像数据或第二影像数据时，通过第二影像数据生成网络获得生成的第二影像数据，或通过第一影像数据生成网络获得生成的第一影像数据。将第一影像数据、生成的第二影像数据，或生成的第一影像数据、第二影像数据，输入影像数据分类模型获得分类结果。

摘要： 本发明涉及一种能够应用于新冠肺炎影像分析的胸部医学影像识别分类方法，与现有技术相比解决了难以针对各类胸部医学影像进行识别分类的缺陷。本发明包括以下步骤：初始数据集的获取；初始数据集的预处理；胸部医学影像识别网络的构建；胸部医学影像识别网络的训练；待识别胸部医学影像的获取；胸部医学影像识别分类结果的获得。本发明能够针对各类胸部医学影像进行识别分类，提高了医学影像在AI技术中的应用。

摘要： 本发明涉及地物分类领域，具体涉及一种基于多光谱影像和SAR影像的地物分类方法及装置，该方法及装置获取预设区域的多光谱影像，并对多光谱影像进行多光谱影像特征提取；获取预设区域的时间序列SAR影像，并对时间序列SAR影像进行时间序列SAR影像特征提取；对多光谱影像特征和时间序列SAR影像特征进行特征级融合，获取地物分类结果。该方法及装置利用合成孔径雷达SAR全天时、全天候工作、重访周期短的优势，获取长时间序列SAR影像，增加了输入的特征维度；对多光谱和SAR影像进行特征级融合，在充分利多光谱信息的同时，结合时间序列SAR影像所反映的地物结构、纹理和电磁散射特性来辅助地物解译。

摘要： 本申请公开了一种影像数据分类模型的生成方法、影像数据分类方法及装置，以提高模型泛化能力及分类准确性，该影像数据分类模型的生成方法包括：获取训练数据集合，包括携带正样本标签的正样本医学影像图像及携带负样本标签的负样本医学影像图像；根据正样本医学影像图像及负样本医学影像图像对初始深度学习模型的模型参数进行训练，生成影像数据分类模型；初始深度学习模型为三维卷积密集网络神经网络模型，包括依次相连的卷积层、最大池化层、密集块层及全连接层，密集块层包括依次相连的多个全连接密集层及一个过渡层，每个全连接密集层的输入作为后续全连接密集层及过渡层的输入，每个全连接密集层包括依次相连的第一卷积层及第二卷积层。

摘要： 在对图像进行分类时，对应影像内容一边使图像内的处理对象范围进行动态的改变一边生成用于分类的指标，使稳健性好的分类成为可能。在影像场面分类装置(100)的图像分类部(104)对于取得的多个图像，根据表示图像上的特征的分类指标分类成多个群。群选择部(106)从被分类的所述群之中至少选择一个群。索引生成部(108)对在构成被选择的群的图像中的、至少一个图像授予索引。因此，从分类结果的群之中选择适合授予索引的群时，根据群的要素数或时间分布和EPG信息等比较简明的信息来选择授予索引规则，通过照此生成索引，而使生成明了且安定的章节成为可能。

摘要： 本发明提供了一种基于卫星影像与无人机影像的作物分类方法，以无人机影像数据作为外业实测数据的有效补充，人工解译无人机影像中各类农作物的分类与分布，并以无人机影像的解译结果为参考依据，进行高分辨率卫星影像数据中各类农作物样本的制作，进而以制作的农作物样本为基础，采用深度学习算法进行高分辨率卫星影像的作物分类。本发明解决了传统外业实测数据获取的局限与不足，节省了人力与时间成本，同时降低了对遥感专业知识及专家经验的依赖，自动学习作物的光谱、颜色、纹理、物候等特征，挖掘不同特征之间的内在联系，大大提高了作物分类的速率与精度。

摘要： 本申请涉及一种医学影像的分类方法、医学影像的检索方法、装置、计算机设备和存储介质。该方法包括：获取待分类的医学影像的病例报告；将待分类的医学影像的病例报告与预设的医学标签进行匹配，其中，预设的医学标签具有层级关系；若待分类的医学影像的病例报告匹配到预设的医学标签中的候选医学标签，则从候选医学标签中提取满足预设的层级条件的第一目标医学标签；对待分类的医学影像添加第一目标医学标签，其中，第一目标医学标签用于对待分类的医学影像进行分类。采用本方法能够提高医学影像的分类效率。

摘要： 本发明提供了一种遥感影像分类模型的构建方法，遥感影像分类方法及系统：步骤一：采集高分辨率遥感影像；步骤二：对的高分辨率遥感影像进行标注，获得带标注的高分辨率遥感影像，获得标签集，对得到的带标注的高分辨率遥感影像进行分割得到父对象，对父对象进行分割得到子对象；步骤三：对步骤二中的得到的父对象和子对象进行标准化，并将标准化后的父对象和子对象划分为训练样本集、验证集和测试样本集；步骤四：构建基于父对象和子对象的卷积神经网络模型。然后利用网络模型对高分辨率遥感影像进行分类。本发明实现了地理实体的精细化分类，解决了高分辨率遥感影像在复杂场景下的分类中，分类精度低、椒盐现象及错分类严重的问题。

摘要： 本发明提供了一种遥感影像分类模型的构建方法，遥感影像分类方法及系统：步骤一：采集高分辨率遥感影像；步骤二：对的高分辨率遥感影像进行标注，获得带标注的高分辨率遥感影像，获得标签集，对得到的带标注的高分辨率遥感影像进行分割得到父对象，对父对象进行分割得到子对象；步骤三：对步骤二中的得到的父对象和子对象进行标准化，并将标准化后的父对象和子对象划分为训练样本集、验证集和测试样本集；步骤四：构建基于父对象和子对象的卷积神经网络模型。然后利用网络模型对高分辨率遥感影像进行分类。本发明实现了地理实体的精细化分类，解决了高分辨率遥感影像在复杂场景下的分类中，分类精度低、椒盐现象及错分类严重的问题。

摘要： 本发明公开了一种基于影像学的前列腺癌影像分类系统，包括：数据集模块用于将正常样本多参数MRI数据和病变样本的多参数MRI数据构成多参数MRI数据集；图像分割模块用于对MRI图像进行分割，获得前列腺中央区域；特征提取模块用于基于前列腺中央区域对多参数MRI数据集进行特征提取，获得第一特征图；特征融合模块用于将第一特征图进行特征融合，获得第一融合特征；分类模块用于基于第一融合特征将MRI图像进行分类。本发明根据注意力机制进行特征融合，获取融合后的特征图，基于特征图进行分类，获取MRI图像类别，增强了影像分类效率，采用注意力机制，提高了影像分类准确率，通过对图像进行分割处理，提高了特征提取效率。