您的位置: 专家智库 > >

王环东

作品数:2 被引量:23H指数:2
供职机构:武汉大学遥感信息工程学院更多>>
发文基金:国家自然科学基金更多>>
相关领域:自动化与计算机技术天文地球更多>>

文献类型

  • 2篇中文期刊文章

领域

  • 1篇天文地球
  • 1篇自动化与计算...

主题

  • 1篇遥感
  • 1篇遥感影像
  • 1篇云检测
  • 1篇支持向量
  • 1篇支持向量机
  • 1篇神经网
  • 1篇神经网络
  • 1篇人工神经
  • 1篇人工神经网络
  • 1篇中云
  • 1篇网络
  • 1篇限速
  • 1篇向量
  • 1篇向量机
  • 1篇交通标志
  • 1篇工神经网络
  • 1篇高分辨率遥感
  • 1篇高分辨率遥感...
  • 1篇BP神经
  • 1篇BP神经网

机构

  • 2篇武汉大学
  • 1篇中国飞行试验...
  • 1篇浙江省测绘科...

作者

  • 2篇王环东
  • 1篇张兴国
  • 1篇胡翔云
  • 1篇李靖
  • 1篇王静怡
  • 1篇刘晓磊

传媒

  • 1篇测绘通报
  • 1篇西安电子科技...

年份

  • 1篇2018
  • 1篇2017
2 条 记 录,以下是 1-2
排序方式:
高分辨率遥感影像中云和似云目标的自动区分被引量:7
2017年
云的存在会对遥感影像的处理及目标识别等产生影响,因此,自动提取云对高分辨率卫星影像的应用具有重要意义。高分影像上更加复杂的云的细节形态及似云目标的干扰,使得高分影像的自动云提取难以达到实用水平。本文以雪地为例,选取形状、纹理和边缘3个差异化特征作为云与似云目标区分的关键,提出了一种区分高分辨率遥感影像中云和似云目标的云检测算法。首先利用Wallis滤波对输入影像进行预处理,增强影像中不同尺度的影像纹理模式;然后对影像进行快速稳定的均值漂移分割,利用灰度和纹理特征构成支持向量机的第一层分类器,将分割后的区域对象分成"云"和普通地物,再利用边缘、形状、纹理等特征结合灰度特征构成支持向量机的第二层分类器,将"云"区分为云区和似云目标;最后使用Grab-cut对云检测结果进行边缘迭代精化。本文算法取得了优良的试验结果,证明了算法在似云目标干扰下对高分辨率遥感影像进行精确云检测的能力。
李爱勤王环东王静怡胡翔云
关键词:云检测支持向量机
BP神经网络下的限速交通标志实时检测识别被引量:16
2018年
目前已有很多基于交通标志图片进行道路交通标志识别的系统研究,但存在误识别率较高的问题.因此文中基于视频数据对限速交通标志进行检测与识别,实现了限速交通标志的自动检测定位,并采用反向传播神经网络来进行道路标志的识别;同时,还采用连续自适应的均值漂移算法和光流法进行视频加速.实验表明,新提出的算法在耗时上缩短50%以上,检测识别准确度在90%以上,适用于相关智能识别领域.
张兴国刘晓磊李靖王环东
关键词:人工神经网络
共1页<1>
聚类工具0