黄鸿
- 作品数：135 被引量：430H指数：11
- 供职机构：重庆大学更多>>
- 发文基金：国家自然科学基金重庆市自然科学基金重庆市科技攻关计划更多>>
- 相关领域：自动化与计算机技术机械工程环境科学与工程电子电信更多>>
- 面向高光谱图像分类的半监督Laplace鉴别嵌入被引量：5
- 2015年
- 为有效提取出高光谱遥感图像数据的鉴别特征,该文阐述一种融合标记样本中鉴别信息和无标记样本中局部结构信息的半监督Laplace鉴别嵌入（SSLDE）算法。该算法利用标记样本的类别信息来保持样本集的可分性,并通过构建标记样本和无标记样本的Laplace矩阵来发现样本集中局部流形结构,实现半监督的流形鉴别。在KSC和Urban数据集上的实验结果说明：该算法具有更高的分类精度,可以有效地提取出鉴别特征信息。在总体分类精度上,该算法比半监督最大边界准则（SSMMC）算法提升了6.3%~7.4%,比半监督流形保持嵌入（SSSMPE）算法提升了1.6%~4.4%。
- 李志敏张杰黄鸿马泽忠
- 关键词：图像处理高光谱遥感图像LAPLACE矩阵
- 基于深度特征融合的癌症病理图像分割网络被引量：7
- 2022年
- 卷积神经网络在癌症病理图像分割中具有突出表现,但在临床应用上依然面临着切片染色多样、分辨率差异大等挑战。针对上述问题,提出了一种病灶分割网络HU-Net,提高了癌症病理图像的分割精度。HU-Net使用U-Net网络作为基本结构,利用经过预训练的EfficientNet-B4作为网络特征编码器,解码器部分在U-Net网络上进行改进,将不同深度特征重新进行组合进行特征融合,提升了深层特征在预测中的作用。在此基础上,利用各深度层融合特征预测输出,构建多损失函数共同训练,使深层语义信息更具鉴别力。最后,采用改进的通道注意力模块对融合特征进行选择,使网络对不同分辨率图像的适应性增强,提升了模型筛选重要特征的能力。在BOT数据集和SEED数据集上分别进行癌症病灶分割实验,所提方法的DICE系数得分在两个数据集上分别达到77.99%和82.94%,准确度得分分别达到88.52%和87.42%。该方法相较于U-Net和DeepLabv3+等网络有效提升了癌症病理图像病灶分割精度,实现了更准确的癌症病灶定位和分割。
- 黄鸿王涛李远周凡琳李昱
- 关键词：计算机图像处理癌症病理图像
- 随机子空间深度回归方法在紫外光谱水质分析中的应用被引量：5
- 2017年
- 紫外光谱法进行TOC浓度分析时存在数量多、维数高等问题。针对此问题,提出了一种基于随机子空间深度回归的分析方法。该算法首先采集TOC标准溶液的紫外光谱数据进行预处理,得到吸光度数据;然后在高维数据空间随机选取低维子空间来构造不同的特征子集,并采用深度信念网络对各子集进行特征提取;最后将得到的低维特征进行组合后送入BP神经网络中进行训练,建立TOC浓度反演模型。在构建的水质分析平台上的实验结果表明,提出的基于随机子空间深度回归的水质分析方法对每种TOC浓度反演结果的相对误差均在1%以内,且反演结果的稳定性和准确性也要优于常规的水质分析方法。
- 黄鸿石光耀金莹莹何凯
- 关键词：紫外光谱法随机子空间BP神经网络
- 半监督复合核图聚类在高光谱图像中的应用被引量：1
- 2016年
- 针对图的半监督聚类算法(Semi-Supervised Graph-Based Clustering,SSGC)中出现的对先验信息利用不充分、不足以应对数据异构、计算耗时大等问题,本文提出一种基于半监督复合核的图聚类算法,并应用于高光谱图像。该算法首先通过引入半监督学习方法对径向基函数(Radial Basis Function,RBF)进行了改进,以充分利用少量的标记样本和无标记样本;其次将RBF核与光谱角核进行融合,构造复合核权重矩阵。在权重矩阵的构造过程中,K-近邻方法的引入也简化了计算过程。在Indian Pine和Botswana高光谱数据集上的实验结果表明,相对于SSGC算法,本文算法不仅实现了更高的分类正确率,其总体分类精度提升1%～4%,而且有效提升了运算速度。
- 李志敏郝盼超黄鸿黄文
- 关键词：高光谱遥感图像聚类半监督学习复合核
- 基于GA优选参数的SVR水质参数遥感反演方法被引量：7
- 2010年
- 为进一步提高多光谱图像水质反演的精度,提出了一种基于GA优选参数的SVR水质参数遥感反演模型。该模型利用高分辨率多光谱遥感SPOT-5数据和水质实地监测数据,采用CV估计模型推广误差并使用GA优选SVR模型参数,实现了模型参数的自动全局优选,在训练好的SVR模型基础之上对水质进行反演。以渭河陕西段为例进行实证研究,实验结果表明,本文提出的水质反演模型较常规的线性回归模有更高的反演精度,为内陆河流环境遥感监测提供了一种新方法。
- 何同弟李见为黄鸿
- 关键词：遗传算法支持向量回归
- 基于监督稀疏流形嵌入的高光谱遥感影像分类
- 2015年
- 稀疏流形聚类和嵌入算法通过仿射空间中的稀疏表示获得稀疏系数,并能由稀疏系数自适应地选取来自同一流形的数据点.但稀疏流形聚类和嵌入算法没有直接的投影矩阵,且为非监督学习方法.针对稀疏流形聚类和嵌入算法算法的不足,提出一种新的监督稀疏流形嵌入算法.该方法首先在仿射空间中采用稀疏优化法得到稀疏系数,然后根据稀疏系数构建相似权值,并在权值中嵌入样本类别信息,增加同类数据间的聚集性,并在低维嵌入空间中保持这种相似性不变,提取鉴别特征来提升分类性能.实验结果表明:该文方法不仅能保持数据的稀疏特性,而且通过利用样本数据的类别信息使同类数据在低维空间尽可能聚集,提取鉴别特征,进而改善高光谱影像的地物分类效果.
- 黄鸿杨娅琼罗甫林冯海亮
- 关键词：高光谱影像地物分类维数约简图嵌入
- 基于GA优选参数的RBF神经网络水质评价被引量：6
- 2011年
- 为进一步提高多光谱图像水质反演的评价精度,提出一种基于遗传算法(GA)优选参数的径向基函数(RBF)神经网络水质评价方法。利用高分辨率多光谱遥感SPOT-5数据和水质实地监测数据,得到符合条件且具有代表性的4类水质变量,对RBF神经网络进行训练和测试,用遗传算法对RBF神经网络的参数进行优化。在训练好的RBF神经网络模型基础之上对COD、NH3-N、DO、CODmn水质参数进行反演。实验结果表明,该水质反演模型较常规的方法有更高的反演精度。
- 何同弟李见为黄鸿
- 关键词：径向基函数神经网络遗传算法水质评价
- 基于CNN-GCN双流网络的高分辨率遥感影像场景分类被引量：6
- 2021年
- 高分辨率遥感影像具有复杂的几何结构和空间布局,传统的卷积神经网络的方法仅能提取场景图像中的全局特征,忽略了上下文的关系,导致特征的表达能力受限,制约了分类精度提高。针对此问题,本文提出一个面向高分辨率遥感影像场景分类的CNN-GCN双流网络,该算法包含CNN流和GCN流两个模块。CNN流基于预训练DenseNet-121网络提取高分影像的全局特征;而GCN流采用由预训练VGGNet-16网络得到的卷积特征图构建邻接图,再通过GCN模型提取高分影像的上下文特征。最后,通过加权级联的方式有效地融合全局特征和上下文特征并利用线性分类器实现分类。本文选取AID、RSSCN7和NWPU-RESISC45共3个具有挑战性的数据集进行实验,得到的最高分类精度分别是97.14%、95.46%和94.12%,结果表明本文算法能够有效地表征场景并取得具有竞争力的分类结果。
- 邓培芳徐科杰黄鸿
- 关键词：高分辨率影像卷积神经网络
- 基于鉴别稀疏保持嵌入的高光谱影像地物分类被引量：5
- 2016年
- 在高光谱影像地物分类应用中时常因光谱波段数多而导致'维数灾难'问题,提出了一种鉴别稀疏保持嵌入的维数约简算法。该方法利用稀疏表示的自然鉴别力,分别构建了类内e_1图和类间e_1图;在低维嵌入空间中,保持同类数据的内在稀疏流形结构,同时分离开非同类数据,提取出鉴别特征。DSPE不仅继承了稀疏表示的优点,而且增加了非同类数据间的可分性。在PaviaU和Urban高光谱数据集上的地物分类实验结果表明,该方法的总体分类精度分别提高到87.53%和80.49%。提出的方法能自适应地揭示出数据间的内在关系,更有效地提取出鉴别特征,改善地物分类精度。
- 罗甫林黄鸿刘嘉敏马泽忠
- 关键词：高光谱遥感维数约简地物分类
- 基于空-谱自注意力机制的医学高光谱影像分类方法
- 本发明公开了一种基于空‑谱自注意力机制的医学高光谱影像分类方法，包括：S1：对获取到的原始高光谱影像进行归一化处理；S2：以目标样本为中心对归一化图像进行裁剪；S3：将裁剪后图像输入处理单元进行处理，得到第一空‑谱特征、...
- 黄鸿李远谭崎娟
