基于高光譜圖像的物證識(shí)別方法研究.pdf_第1頁
已閱讀1頁,還剩69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、光學(xué)識(shí)別作為解決物證識(shí)別難題的一種重要技術(shù)手段,其無損檢驗(yàn)的特性相較于其他化學(xué)檢測方法有著很大優(yōu)勢。但傳統(tǒng)的光學(xué)成像技術(shù)對實(shí)驗(yàn)環(huán)境有一定要求,且獲取到的數(shù)據(jù)量較小限制了物證識(shí)別的效果。高光譜成像則有別于其他光學(xué)成像,采用這種技術(shù)獲取到的高光譜圖像數(shù)據(jù)量豐富且“圖譜合一”,同時(shí)隨著科學(xué)技術(shù)的發(fā)展其空間分辨率也在逐步提高,不再局限于應(yīng)用在衛(wèi)星遙感領(lǐng)域,也開始應(yīng)用于其他領(lǐng)域。
  為了避免傳統(tǒng)的高光譜圖像由于空間分辨率過低無法實(shí)現(xiàn)精準(zhǔn)分

2、類的問題,本文選用液晶可調(diào)諧濾光片成像設(shè)備采集到高空間分辨率的高光譜圖像,并從非監(jiān)督學(xué)習(xí)和半監(jiān)督學(xué)習(xí)兩個(gè)方面探究了物證識(shí)別的問題,提出了充分結(jié)合空間、光譜信息的自適應(yīng)高光譜圖像聚類算法,以達(dá)到更好的識(shí)別效果。
  高光譜圖像聚類算法如K-Means、ISODATA等過于依賴給定閾值等參數(shù),使得它們在物證識(shí)別問題上性能不夠理想,因此本文結(jié)合MAP-ML模型以及貝葉斯信息準(zhǔn)則,利用高空間分辨率的高光譜圖像像素間空間約束性強(qiáng)的優(yōu)勢,以非

3、監(jiān)督學(xué)習(xí)的方式提出了一種有機(jī)結(jié)合空間、光譜信息的自適應(yīng)高光譜圖像聚類算法。物證識(shí)別實(shí)驗(yàn)結(jié)果表明,本文提出的基于空間-光譜信息的自適應(yīng)高光譜圖像聚類算法不僅能夠自動(dòng)實(shí)現(xiàn)最優(yōu)類別數(shù)目的選擇,還具有比K-Means、ISODATA算法高的聚類精度,并展現(xiàn)出了較好的穩(wěn)定性。
  針對實(shí)際物證識(shí)別應(yīng)用中可得到的標(biāo)記樣本數(shù)目有限的情況,為了最大限度地使用這些有標(biāo)記的樣本數(shù)據(jù),本文基于半監(jiān)督學(xué)習(xí)提出了一種高光譜圖像的分類方法,以提高物證識(shí)別的準(zhǔn)

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,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對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