检索结果-内蒙古大学图书馆

计算机科学 2015年第3期42卷 19-25,30页

作者：刘扬涂春龙郑逢斌河南大学空间信息处理实验室开封475004 河南大学环境与规划学院开封475004 河南大学计算机与信息工程学院开封475004 浙江大学生物医学工程系杭州310027

跨媒体语义映射和跨媒体语义检索是跨媒体搜索引擎的核心技术问题。对视听神经认知的功能、层次和结构进行了分析,借鉴深度信念网络和时空层次记忆模型的设计思想,建立了一种仿脑的面向视听跨媒体应用的神经认知计算模型。依据神经系统... 详细信息

跨媒体语义映射和跨媒体语义检索是跨媒体搜索引擎的核心技术问题。对视听神经认知的功能、层次和结构进行了分析,借鉴深度信念网络和时空层次记忆模型的设计思想,建立了一种仿脑的面向视听跨媒体应用的神经认知计算模型。依据神经系统的信息处理机制和认知理论的功能架构来设计可计算模型,系统地讨论了皮层柱的视听信息整合机制和协同认知的处理流程。本模型可为解决跨媒体语义映射和跨媒体语义检索的相关应用提供借鉴和参考,对实现非冯·诺依曼结构的仿脑认知计算进行了一次有意义的探索。

关键词：媒体神经认知计算跨媒体语义检索跨媒体语义映射认知计算仿脑计算

来源：评论

学校读者我要写书评

暂无评论

基于神经认知计算模型的高分辨率遥感图像场景分类

引用

系统工程与电子技术 2015年第11期37卷 2623-2633页

作者：刘扬付征叶郑逢斌河南大学空间信息处理实验室河南开封475004 河南大学环境与规划学院河南开封475004 河南大学计算机与信息工程学院河南开封475004 河南大学软件学院河南开封475004

通过大脑对外界环境感知的神经结构与认知功能的相关研究,构建仿脑的媒体神经认知计算(multimedia neural cognitive computing,MNCC)模型。该模型模拟了感官的信息感知、新皮层功能柱的认知功能、丘脑的注意控制结构、海马体的记忆存... 详细信息

通过大脑对外界环境感知的神经结构与认知功能的相关研究,构建仿脑的媒体神经认知计算(multimedia neural cognitive computing,MNCC)模型。该模型模拟了感官的信息感知、新皮层功能柱的认知功能、丘脑的注意控制结构、海马体的记忆存储和边缘系统的情绪控制环路等大脑基本的神经结构和认知功能。在此基础上,构建基于MNCC的高分辨率遥感图像场景分类算法。首先,图像经仿射变换后切分为若干图块,通过深度神经网络提取图块的稀疏激活特征,采用概率主题模型获取图块初始场景类别,并利用图块分类错误信息反馈控制场景显著区特征的提取;其次,根据图块的上下文获取场景语义的时空特征,并在此基础上进行图块分类和场景预分类;最后,用场景预分类误差构造奖惩函数,控制和选择深度神经网络中场景区分度较大的稀疏激活特征,并通过增量式强化集成学习,获得最后的场景分类。在两个标准的高分辨率遥感图像数据集上的实验结果表明,MNCC算法具备较好场景分类结果。

关键词：媒体神经认知计算遥感场景分类深度神经网络稀疏激活特征概率主题模型增量式强化集成学习

来源：评论

学校读者我要写书评

暂无评论

高分辨率遥感影像目标分类与识别研究进展

引用

地球信息科学学报 2015年第9期17卷 1080-1091页

作者：刘扬付征叶郑逢斌河南大学环境与规划学院开封475004 河南大学空间信息处理实验室开封475004 河南大学计算机与信息工程学院开封475004 河南大学软件学院开封475004

高分辨率遥感影像的目标分类与识别,是对地观测系统进行图像分析理解,以及自动目标识别系统提取目标信息的重要手段。本文综述了当前国内外在可见光、红外、合成孔径雷达和合成孔径声纳等遥感影像的目标分类与识别的关键技术和最新研究... 详细信息

高分辨率遥感影像的目标分类与识别,是对地观测系统进行图像分析理解,以及自动目标识别系统提取目标信息的重要手段。本文综述了当前国内外在可见光、红外、合成孔径雷达和合成孔径声纳等遥感影像的目标分类与识别的关键技术和最新研究进展。首先,讨论了高分辨率遥感影像的目标分类与识别问题的主要研究层次和内容;其次,深入分析了高分辨率遥感影像目标分类与识别,在滤波降噪、特征提取、目标检测、场景分类、目标分类和目标识别的关键技术及其所存在的问题;最后,结合并行计算、神经计算和认知计算等技术,讨论了目标分类与识别的可行性方案。具体包括:(1)高性能并行计算在高分辨率遥感图像处理的主流技术,并给出了基于Hadoop+Open MP+CUDA的高分辨率遥感影像混合并行处理架构;(2)深度学习对于提升目标分类和识别精度的应用前景,以及基于深度神经网络的多层次遥感影像目标识别方法;(3)认知计算在解决遥感影像大数据不确定性分析的模型与算法,并讨论了层次主题模型的多尺度遥感影像场景描述方案。此外,根据媒体神经认知计算的相关研究,探讨了遥感影像大数据的目标分类和识别的发展趋势和研究方向。

关键词：目标分类与识别媒体神经认知计算并行计算深度学习主题模型

来源：评论

学校读者我要写书评

暂无评论

基于MNCC模型的高分辨率遥感影像目标识别

基于MNCC模型的高分辨率遥感影像目标识别

引用

作者：刘扬河南大学

学位级别：博士

高分辨率遥感影像的目标识别问题是海洋交通监视、减灾应急搜救、无人自主系统(UAS)(如无人机、无人车、无人潜航器、无人水面艇等自主机器人)等民用系统的核心技术,也是军事侦察、精确制导、海情监控等军事自动目标识别(ATR)系统的关... 详细信息

高分辨率遥感影像的目标识别问题是海洋交通监视、减灾应急搜救、无人自主系统(UAS)(如无人机、无人车、无人潜航器、无人水面艇等自主机器人)等民用系统的核心技术,也是军事侦察、精确制导、海情监控等军事自动目标识别(ATR)系统的关键技术。伴随着高分辨率对地观测系统的发展,越来越多的行业应用要求从高分辨率影像中提取更多有价值的目标细节信息。然而中低分辨率遥感影像解译体系已无法满足高性能的目标分类与识别(TCR)需求。特别由于背景的复杂性和目标的多样性,目标识别的精度有效性和实时性问题尤为突出。此外由于相关应用蕴含的军事背景、数据获取困难以及技术管制等原因,目前公开报道涉及TCR方法的核心技术相对较少。为解决目标识别的技术瓶颈,本文重点探索高分辨率遥感影像的高精度、高性能TCR的模型构建和算法设计,为相关研究提供基础性的技术支撑。本文研究思路是:(1)分析高分辨率遥感影像TCR问题的技术瓶颈,模拟神经认知理论,建立面向遥感影像TCR应用的层次化媒体神经认知计算(MNCC)模型。(2)基于MNCC模型的处理流程及显著性计算理论,分别设计场景分类和目标检测算法,为目标识别提供上下文先验知识。(3)基于MNCC模型处理框架,设计高分辨率遥感影像目标识别算法。首先构造层次化的集成分类器,实现高精度目标识别;其次设计样本扩增方法,解决小样本复杂对象的目标识别问题。(4)研究并行化目标识别算法提升识别效率,并将相关算法应用于遥感影像处理系统的研发中。本文的主要工作和结论如下:(1)构建了一种面向遥感影像TCR应用的层次化MNCC模型。针对高分辨率遥感影像的TCR核心问题,深入分析了神经系统的结构与信息处理机制,研究认知系统的视觉功能和层次处理架构。构造和设计了面向TCR的仿脑层次化的MNCC模型,并给出了MNCC模型TCR算法的形式化描述。(2)提出了基于脉冲神经网络的遥感目标检测算法。为克服自然图像显著性算法的局限性,在MNCC模型的显著性计算理论指导下,提出一种基于脉冲神经网络和脉冲耦合神经网络的遥感影像视觉显著性计算框架VSF-MNCC,并实现基于脉冲神经网络的遥感影像船舶检测算法SD-SNN。在可见光船舶数据集HRSHTD和高分辨率SAR图像中,船舶目标检测的虚警率和漏检率分别达到9.48%和11.02%,实验表明VSF-MNCC显著图具备较高的分辨率,对于点状和团块的目标检测性能提升具备较好的效果。(3)提出了基于MNCC模型的遥感场景分类算法。作为目标识别的重要环节,提出基于MNCC模型的遥感场景分类算法SC-MNCC,为TCR相关应用的精度提升提供了上下文先验知识。在高分辨率遥感场景分类数据集HRSS和UCMLU的实验中,算法平均分类准确度分别达到84.73%和88.26%,优于常见场景分类算法,初步验证了MNCC模型的可行性。(4)提出了基于MNCC模型的高分辨率遥感影像的高精度目标识别算法。为解决高精度的SAR图像坦克目标分类,设计基于深度脉冲卷积神经网络和层次隐狄利克雷分配模型的混合层次化目标识别分类器,实现了基于多层次集成学习的目标识别算法TCR-EL-MNCC。在公开的MSTAR数据集的实验表明,TCR-EL-MNCC算法在SAR坦克目标的总体分类精度达到99.82%,优于目前常见算法。为进一步解决小样本复杂对象的可见光影像船舶目标识别,基于面向对象多尺度样本扩增技术,提出了目标识别的增量强化学习算法TCR-IREL-OOMS。在HSTCR数据集的实验表明,TCR-IREL-OOMS算法在船舶目标的平均识别率达到97.00%,接近MSTAR数据集的SAR坦克目标的识别率。本研究表明,利用增量、强化和集成的学习机制,构建的面向对象多尺度的层次化计算模型,符合人类对遥感影像的认知特性。基于MNCC模型的目标识别算法可有效实现复杂地物的信息提取工作。(5)提出和验证了并行化TCR的解决方案,并设计和实现了基于构件的遥感影像信息处理和展示平台。深入分析了遥感影像信息处理和展示平台的功能需求,提出一种基于构件模型的遥感影像处理软件的开发方案,设计和实现了遥感应用系统的并行处理架构。并将基于MNCC模型的TCR算法应用于软件的研发中,最后对开发效果进行系统分析和评价。为提升算法运行效率和实用性,采用多机多核并行和GPU异构计算技术,设计了基于MNCC模型的混合异构并行目标识别算法PTCR-MP-MNCC。在HSTCR、MSTAR和MNIST三个数据集上实验和讨论了相关参数对算法效率的影响。实验结果显示,算法在HSTCR和MSTAR数据集最高加速比可达39.49和73.28。实践表明基于MNCC模型的TCR算法在遥感影像信息提取上具备重要的应用价值。综上所述,遥感影像智能解译涉及复杂的认知过程和专业知识,直接进行复杂的图像语义理解和计

关键词：目标分类与识别媒体神经认知计算类脑计算深度学习认知计算并行计算

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：