基于LSSVM和D-S的遥感图像分类方法

为了提高遥感图像的识别率,提出一种基于最小二乘支持向量机(Least Squares Support Vector Machine,LSSVM)和证据理论(Dempster-Shafer theory,D-S)的遥感图像分类方法.该方法首先分别提取遥感图像的纹理和颜色特征,然后分别对纹理和颜色特征采用LSSVM建立分类模型,并得到相应特征的分类率,最后把单一特征分类正确率输入到D-S证据理论对它们进行融合,从而得到它们的权值,并根据权值得到遥感图像的最终分类结果.仿真结果表明,该方法不仅提高了遥感图像的分类率,而且还加快了遥感图像分类的速度,从而使得该方法在地理信息系统具有一定的应用价值.     

基于二元树复数小波变换的特征融合算法

提出了一种利用二元树复数小波变换(DT-CWT)提取遥感图像纹理特征的方法，不仅使得纹理分析具备小波分析的多尺度特性，而且具备了6个方向的选择性、良好的重构性和近似的平移不变性．利用DT—CWT变换提取目标图像的纹理特征，构造目标概率密度函数，并采用基于D-S证据理论的特征层融合算法对目标进行识别处理，实验结果表明，采用基于DT-CWT纹理特征的特征层融合算法对多源低分辨率可见光遥感图像中小目标的识别是有效的．     

基于Dempster-Shafer证据理论的虹膜图像分类方法

为了提高虹膜图像的分类率，提出了一种基于证据理论的虹膜图像分类方法．该方法利用虹膜图像的纹理变化信息来提取虹膜灰度信号的比率特征，并结合证据理论实现了虹膜图像的决策分类，降低了不确定性因素对图像分类的影响，提高了分类率．在相同的实验条件下，对不同数量的虹膜图像进行了实验验证，结果表明，该方法在保持了分类稳定性的同时，其分类率比直方图交叉分类方法和直方图比率特征分类方法分别提高了6．96％和4．44％．     

一种基于多特征融合的图像检索方法

基于单特征的图像检索系统一般性能较低.提出了一种基于多特征融合的图像检索方法.通过对HSV颜色空间的非等间隔量化,提取一维颜色特征向量及其累加直方图.基于灰度共生矩阵(GLCM)进行纹理特征的提取.将两类特征结合,设计了一种基于多特征融合的图像检索方法.利用相似性度量方法分别对颜色特征和纹理特征以及融合后的特征进行了图像检索实验.结果表明,基于颜色和纹理特征相融合的多特征融合方法具有更好的图像检索性能.     

基于多信息融合的失效DPM码识别

针对复杂生产流通过程中,传统算法无法对因防护不当和磨损污染等原因造成的金属刀具表面二维条码缺损和磨损等失效问题进行定位和识别的缺陷,设计了一个基于多信息融合的失效条码识别系统,完成刀具产品的识别和条码信息的提取.该系统利用图像传感器和重量传感器对刀具形状、残余条码纹理和重量等特征进行量化,提取高维特征向量.通过支持向量机与证据理论相结合,实现对失效条码的分类识别.实验结果表明,该系统能够对条码存在污损的刀具进行准确、快速地分类和识别,满足实际生产中的要求.     

基于灰度共生矩阵的高效积分图像计算(英文)

基于局部特征描述符的主要方法正在被用于纹理分类、目标检测和识别.灰度共生矩阵(GLCM)是一个体现纹理图像的很流行的方法,也被证明是一个非常强大的纹理分析工具.灰度共生矩阵所带来的子图像重叠非常严重,要花大量的时间去计算.本文提出一种高效灰度共生矩阵的计算方法,并通过实验结果来显示其效率.     

基于多特征融合的混凝土结构表面病害图像分类算法

为提升混凝土表面开裂、露筋锈蚀和损伤3类病害图像分类效率与准确性,减少人工成本,提出了基于多特征融合的混凝土结构表面病害图像分类算法。该算法通过提取混凝土表面病害图像的纹理特征、灰度直方图特征、颜色特征,以支持向量机(SVM)为分类器,分别训练3类特征的病害图像分类模型,采用特征权重算法估计各个特征的权重系数,借助分类模型与权重系数估计病害图像类别划分的可信度值,根据最小误差原则将病害图像判定为可信度值最大的类别。设计了7组覆盖上述图像特征的特征融合方案,以2 400张病害图片为样本,训练了3种单一特征和4种多特征病害图像分类模型,并测试算法的准确性。结果表明:总体上,多特征融合分类模型对于混凝土表面病害图像分类准确率高于单一特征分类模型;基于多项式核函数,灰度+颜色+纹理特征融合分类模型分类效果最佳,平均分类准确率达到84%,较单一特征分类模型提升了7%;依赖于混凝土病害图像多特征的综合信息,灰度+颜色+纹理特征融合分类模型可将混凝土表面锈蚀和缺损的分类准确率提升至88%,多特征融合分类模型对于病害的分类判别稳定性显著优于单一特征分类模型。该研究可为混凝土表面病害图像分类提供有效方法,提升病害分类效率与准确性。     

基于神经网络和证据理论的液压系统故障诊断

针对液压系统故障多样性和复杂性等特点,基于信息融合原理,提出了一种基于神经网络和D-S(Dempster-Shafer)证据理论相结合的液压系统故障诊断方法。该方法通过构建多子神经网络分类模块进行局部诊断,利用各子神经网络的输出值作为证据理论中的基本可信度,经过证据理论的再次融合得出最终的诊断结果。实例表明,该方法通过简化神经网络结构,提高了局部诊断网络的诊断能力,通过对多源多特征参数的融合,充分利用各传感器的冗余和互补的故障信息,与单一故障特征的诊断相比,显著提高了故障诊断的准确率,降低了决策的不确定性。     

基于D-S证据理论加权的遥感图像组合分类

为了提高了遥感图像识别率,提出一种D-S证据理论加权的遥感图像组合分类模型。首先提取遥感图像的纹理和颜色特征,然后分别对纹理和颜色特征建立分类模型,并得到相应特征的分类率,最后把单一特征分类正确率输入到D-S证据理论对它们进行融合,得到它们的权值,根据权值得到遥感图像最终分类结果。仿真结果表明,本文模型不仅提高了遥感图像分类率,而且加快了遥感图像分类的速度,在地理信息系统具有一定的应用价值。     

基于神经网络的合成孔径雷图像分类研究

随着微波遥感的发展,合成孔径雷达即SAR图像的应用越来越受到人们的重视.但是,SAR图像只有单通道信息,在图像上有太多的特征与溢油相似.本试验基于SAR图像的灰度与纹理特征结合的方法,针对海洋SAR图像的特点,利用人工神经网络方法进行分类,提取出溢油的信息.试验表明,纹理是进行图像分类的重要特征量可用来进行溢油的检测.     

基于D-S证据理论的岩体质量分级组合评价方法

现有岩体质量分级方法评价结果存在非一致性的问题.为此,在组合评价思想的基础上,选取多种岩体质量分级方法作为基础分级方法,建立了岩体质量分级组合评价计算模型.并考虑到D-S证据理论是一种较严谨的不确定性推理方法,其具有较强的信息融合能力,并且能够反映不同信息之间的一致性和冲突性,将其引入建立一种新的组合评价方法合成规则.然后,针对D-S合成规则需要解决确定基础分级方法基本概率分配函数这一问题,引入欧氏距离建立基础分级方法基本概率分配函数的确定方法,从而最终建立基于D-S证据理论的岩体质量分级组合评价方法.最后,工程实例分析表明,3种基础分级方法存在冲突性,但是D-S证据理论能够较好地解决这一问题.     

融合多尺度纹理特征森林资源信息提取

基于SPOT-5多光谱和全色影像进行图像融合,构造NDVI植被指数,提取多尺度纹理特征并参与分类;基于SVM方法进行森林资源植被分类.结果表明:高通滤波(HPF)为最佳的图像融合方法,与单尺度纹理与光谱信息融合的分类相比,多尺度纹理与光谱信息融合的分类方法总精度提高了3%,验证了新方法的可行性.     

Dempster-Shafer证据推理在数据融合中的应用

介绍了Dempster-Shafer证据推理的基本概念和理论,并将数据融合思想引入到机械设备故障诊断中,采用Dempster-Shafer证据推理进行融合计算,验证了这一方法的有效性.     

Data Fusion Algorithm Based on Fuzzy Sets and D-S Theory of Evidence

In cyber-physical systems, multidimensional data fusion is an important method to achieve comprehensive evaluation decisions and reduce data redundancy. In this paper, a data fusion algorithm based on fuzzy set theory and Dempster-Shafer(D-S) evidence theory is proposed to overcome the shortcomings of the existing decision-layer multidimensional data fusion algorithms. The basic probability distribution of evidence is determined based on fuzzy set theory and attribute weights, and the data fusion of attribute evidence is combined with the credibility of sensor nodes in a cyber-physical systems network. Experimental analysis shows that the proposed method has obvious advantages in the degree of the differentiation of the results.     

基于集成学习的计算机辅助诊断青光眼算法研究

在青光眼诊断中,眼底照和光学相干断层扫描（OCT）是最主要的两种眼科检查手段。对于眼底照和OCT图像数据,首先设计基于专家知识的机器学习算法,提取杯盘比曲线和视神经纤维层厚度曲线的尺度和形态特征,进而提出一种基于Dempster-Shafer（DS）证据推论的多视图集成学习方法,利用支持向量机（SVM）和逻辑回归进行青光眼预测。在一个真实数据集合上,对所提方法的预测性能进行了评估实验,结果表明,本文算法与眼科专家出具的诊断结果高度一致,并且比已有算法有更好的敏感性、特异性和更高的预测准确率。     

一种基于麦克斯韦电磁力的证据冲突表示方法

D-S(Dempster-Shafer)证据理论是处理不确定信息的有效方法,但仍然存在着证据之间的冲突问题。引入麦克斯韦电磁力理论,将证据理论中不同证据之间存在冲突与融合的问题转换为电磁力理论下的电磁斥力与电磁引力问题,该转换提出了一种新的证据间距离的量化方法。其中,在传统的冲突系数中引入了证据距离因素,并提出了一种新的证据冲突表示方法,提高了冲突系数的灵敏度。仿真结果表明,该方法在故障诊断中的识别率比传统方法更高,证明了本文所提方法的正确性和有效性。     

有效处理冲突证据的融合方法

为解决Dempster-Shafer证据理论在对高度冲突的证据进行融合时可能导致与直观结果相悖的问题,该文提出了一种有效处理冲突证据的融合方法。该方法综合了Dempster-Shafer证据理论所具有的收敛性好及加性融合方法所具有的可靠性高的优点,首先通过对证据进行冲突检验,然后对冲突证据进行加性合成,消除证据之间的冲突。仿真试验结果表明该算法能更好地排除干扰,得出符合实际的组合结果,与典型算法相比,该方法在收敛性和可靠性方面体现了优越性。     

有效处理冲突证据的融合方法

为解决Dempster-Shafer证据理论在对高度冲突的证据进行融合时可能导致与直观相悖的结果的问题,该文提出了一种有效处理冲突证据的融合方法。该方法综合了Dempster-Shafer证据理论所具有的收敛性好及加性融合方法所具有的可靠性高的优点,首先通过对证据进行冲突检验,然后对冲突证据进行加性合成,消除证据之间的冲突。仿真试验结果表明该算法能更好地排除干扰,得出符合实际的组合结果,与典型算法相比,该方法在收敛性和可靠性方面体现了优越性。