基于動(dòng)態(tài)紋理模型的極光影像分類算法研究.pdf_第1頁
已閱讀1頁,還剩73頁未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、極光形態(tài)與行星際磁場及太陽風(fēng)等空間物理過程密切相關(guān),通過研究極光形態(tài)可以獲得大量地球磁層和太陽風(fēng)活動(dòng)的信息。由于不同的極光形態(tài)對(duì)應(yīng)不同的物理發(fā)生機(jī)制,因此極光影像數(shù)據(jù)的分類是極光科學(xué)研究中的一個(gè)關(guān)鍵問題。隨著海量極光影像的產(chǎn)生,如何借助計(jì)算機(jī)實(shí)現(xiàn)對(duì)極光圖像序列的自動(dòng)分類識(shí)別成為研究熱點(diǎn)?;诖?,本論文對(duì)極光影像分類算法展開詳細(xì)的分析與研究。
  針對(duì)極光圖像的特征提取和分類,本文提出了基于顯著圖優(yōu)選訓(xùn)練樣本的卷積自動(dòng)編碼網(wǎng)絡(luò)(S-

2、CAE)。算法先對(duì)圖像進(jìn)行顯著性分析,根據(jù)其顯著圖提取訓(xùn)練樣本并對(duì)自動(dòng)編碼器(AE)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,用得到的特征作為卷積濾波器構(gòu)建卷積網(wǎng)絡(luò),提取極光圖像深度特征,最后將提取到的特征訓(xùn)練softmax分類器實(shí)現(xiàn)分類。該方法避免了訓(xùn)練大型神經(jīng)網(wǎng)絡(luò)耗時(shí)耗力、對(duì)計(jì)算硬件要求高等問題。實(shí)驗(yàn)結(jié)果表明該模型對(duì)于單幀極光圖像具有較好的特征提取能力,能夠獲得較好的分類結(jié)果。
  極光序列對(duì)極光影像的分析更具實(shí)際意義,因此本文提出一種基于動(dòng)態(tài)紋理模型的

3、極光序列分類算法,并利用奇異值分解對(duì)模型參數(shù)進(jìn)行求解,最后利用模型參數(shù)的馬丁距離來衡量圖像序列的差異性,實(shí)現(xiàn)極光序列的自動(dòng)分類識(shí)別。為了進(jìn)一步提高模型緊湊度和計(jì)算效率,將張量分解引入模型求解,提高了分類準(zhǔn)確率。實(shí)驗(yàn)結(jié)果表明動(dòng)態(tài)紋理模型能夠有效地描述極光序列的動(dòng)態(tài)特征,從而獲取較高的分類準(zhǔn)確率。
  極光是一個(gè)連續(xù)發(fā)生的過程,單純考慮其靜態(tài)特性和動(dòng)態(tài)特性都是不全面的。因此,本文進(jìn)一步對(duì)極光動(dòng)態(tài)紋理模型進(jìn)行改進(jìn),用單幀圖像特征代替原始

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論