基于多通道和卷积神经网络的极光分类

• 作者: 刘彬 张浩 陈昌红
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 多通道融合 卷积神经网络 深度学习 预训练 极光图像分类
• 年，卷（期）: 2018,（12）
• 所属期刊栏目: 应用开发研究
• 页码范围: 200-204
• 页数: 5页
• 分类号: TN911.73
• 字数: 5858字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2018.12.042

摘要

目前,极光图像分类领域多采用传统特征来进行分类.但传统特征提取图像的某种特定特征,比如纹理特征、局部特征、全局特征等,导致或多或少丢失极光图像的某些重要分类信息,造成分类效果不够好.对此,提出一种基于多通道融合和卷积神经网络的极光图像分类方法.采用多通道融合技术将原图信息和指定有效传统特征信息加以融合形成融合图像,利用预训练卷积神经网络自动提取融合图像的有效特征信息,实现多通道特征与深度学习相结合,得到高效表征极光图像的特征.在2003年北极黄河站越冬观测的4种日侧极光图像数据库上进行实验.在8 001幅典型极光图像数据库上,与人工标记对比分类准确率高达95.2％,高于其他同类方法.实验结果表明该方法能有效用于极光图像分类.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈昌红	南京邮电大学通信与信息工程学院图像处理与图像通信江苏省重点实验室	20	88	5.0	8.0
2	张浩	南京邮电大学通信与信息工程学院图像处理与图像通信江苏省重点实验室	16	60	4.0	7.0
3	刘彬	南京邮电大学通信与信息工程学院图像处理与图像通信江苏省重点实验室	7	12	2.0	2.0