基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对遥感图像分类结果受外界因素影响大、实时性较差等问题,提出一种融合图像卷积神经网络(Convolutional Neural Networks,CNN)特征和尺度不变特征变换(Scale Invariant Feature Transformation,SIFT)特征,结合极限学习机(Extreme Learn-ing Machine,ELM)对遥感图像进行分类的方法.上述方法将CNN提取的整体特征和SIFT提取的局部特征相结合,并通过数据预处理降低了阴影、光照等外界因素对分类性能的影响;同时,通过图像信息熵改进的主成分分析(Principal Compo-nents Analysis,PCA)对融合后的特征降维,减少了数据维度的同时大大减少了数据降维过程中的计算量,提高了分类的实时性.最后,将得到的图像特征输入ELM分类器进行分类.用卫星遥感图像进行了仿真研究,结果表明该方法能有效提高图像分类准确率,具有良好的泛化性及实时性.
推荐文章
基于多参数和极限学习机的图像质量评价方法研究
图像质量评价
多参数
极限学习机
函数拟合
小波核极限学习机分类器
极限学习机
核学习机
小波分析
小波核函数
分类器
基于并行学习的多层极限学习机
神经网络
稀疏编码
极限学习机
并行学习
基于极限学习机的自动化图书信息分类技术
图书分类
机器学习
极限学习机
文本表示
TF-IDF
特征选择
图书语料测试
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于特征融合的极限学习机图像分类方法
来源期刊 计算机仿真 学科
关键词 图像分类 卷积神经网络 尺度不变特征变换 特征融合 极限学习机 降维
年,卷(期) 2021,(3) 所属期刊栏目 仿真服务化
研究方向 页码范围 388-392
页数 5页 分类号 TP183
字数 语种 中文
DOI 10.3969/j.issn.1006-9348.2021.03.079
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (5)
共引文献  (24)
参考文献  (11)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2002(3)
  • 参考文献(0)
  • 二级参考文献(3)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(2)
  • 参考文献(2)
  • 二级参考文献(0)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(3)
  • 参考文献(3)
  • 二级参考文献(0)
2017(1)
  • 参考文献(1)
  • 二级参考文献(0)
2018(2)
  • 参考文献(2)
  • 二级参考文献(0)
2021(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
图像分类
卷积神经网络
尺度不变特征变换
特征融合
极限学习机
降维
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机仿真
月刊
1006-9348
11-3724/TP
大16开
北京海淀阜成路14号
82-773
1984
chi
出版文献量(篇)
20896
总下载数(次)
43
论文1v1指导