CN111866427A - 一种基于psvm和crnn的遥感影像分类显示装置 - Google Patents
一种基于psvm和crnn的遥感影像分类显示装置 Download PDFInfo
- Publication number
- CN111866427A CN111866427A CN201910845465.XA CN201910845465A CN111866427A CN 111866427 A CN111866427 A CN 111866427A CN 201910845465 A CN201910845465 A CN 201910845465A CN 111866427 A CN111866427 A CN 111866427A
- Authority
- CN
- China
- Prior art keywords
- processing unit
- crnn
- remote sensing
- psvm
- display device
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 102100032202 Cornulin Human genes 0.000 title claims abstract description 17
- 101000920981 Homo sapiens Cornulin Proteins 0.000 title claims abstract description 17
- 238000012545 processing Methods 0.000 claims abstract description 30
- 238000004891 communication Methods 0.000 claims description 10
- 240000007651 Rubus glaucus Species 0.000 claims description 3
- 235000011034 Rubus glaucus Nutrition 0.000 claims description 3
- 235000009122 Rubus idaeus Nutrition 0.000 claims description 3
- 239000013307 optical fiber Substances 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 6
- 238000012706 support-vector machine Methods 0.000 description 6
- 238000000034 method Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000000306 recurrent effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 235000002566 Capsicum Nutrition 0.000 description 1
- 239000006002 Pepper Substances 0.000 description 1
- 235000016761 Piper aduncum Nutrition 0.000 description 1
- 235000017804 Piper guineense Nutrition 0.000 description 1
- 244000203593 Piper nigrum Species 0.000 description 1
- 235000008184 Piper nigrum Nutrition 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/76—Television signal recording
- H04N5/765—Interface circuits between an apparatus for recording and another apparatus
- H04N5/775—Interface circuits between an apparatus for recording and another apparatus between a recording apparatus and a television receiver
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Molecular Biology (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Studio Devices (AREA)
Abstract
本发明公开了一种基于PSVM和CRNN的遥感影像分类显示装置，包括摄像采集模块，所述摄像采集模块连接有摄像机，所述摄像采集模块分别电性连接有第一处理单元和第二处理单元，所述第一处理单元和第二处理单元电性连接有数据合并单元，所述数据合并单元电性连接有结果反馈单元，本发明具有第一处理单元和第二处理单元，基于混合式并行支撑向量机技术，引入协作式递归神经网络来进行遥感影像的分类或识别，将多类分类问题分解成两个约束优化问题，引入CRNN进行支撑向量机的参数学习可以获得问题的全局最优解，与此同时，采用PSVM技术可以有效地降低解题的规模，提高分类速度，从而获得良好的分类效果。
Description
技术领域
本发明涉及影像分类装置技术领域，具体为一种基于PSVM和CRNN的遥感影像分类显示装置。
背景技术
遥感影像分类是指将遥感影像中的每个像元划分到不同地物类别中的过程。分类依据主要包括地物光谱特征、地物形状特征、空间关系特征等，目前大多数研究还是基于地物光谱特征对遥感影像进行分类。
传统的基于像元的分类方法以单个像元为单位，过于着眼于局部而忽略了附近整片图斑的几何结构情况，容易产生“椒盐现象”，制约了特征信息提取的精度，然而现有的技术不能精确的进行分类，为此，我们推出一种基于PSVM和CRNN的遥感影像分类显示装置。
发明内容
本发明的目的在于提供一种基于PSVM和CRNN的遥感影像分类显示装置，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：一种基于PSVM和CRNN的遥感影像分类显示装置，包括摄像采集模块，所述摄像采集模块连接有摄像机，所述摄像采集模块分别电性连接有第一处理单元和第二处理单元，所述第一处理单元和第二处理单元电性连接有数据合并单元，所述数据合并单元电性连接有结果反馈单元，所述结果反馈单元的一端电性连接有本地储存装置，所述本地储存装置通过I/O接口连接有显示器，所述结果反馈单元的另一端电性连接有网络适配器，所述网络适配器电性连接有通信模块，所述通信模块连接有云储存装置。
此项设置的目的是本发明具有第一处理单元和第二处理单元，基于混合式并行支撑向量机技术，引入协作式递归神经网络来进行遥感影像的分类或识别，将多类分类问题分解成两个约束优化问题，引入CRNN进行支撑向量机的参数学习可以获得问题的全局最优解，与此同时，采用PSVM技术可以有效地降低解题的规模，提高分类速度，从而获得良好的分类效果。
优选的，所述第一处理单元包括第一ARM芯片、第一RAM内存和第一ROM存储器。
优选的，所述第二处理单元包括第二ARM芯片、第二RAM内存和第二ROM存储器。
优选的，所述通信模块为3G、4G或WIFI模块。
优选的，所述I/O接口为并行接口、串行接口、USB接口或光纤接口。
优选的，所述本地储存装置为树莓派RS-3B。
与现有技术相比，本发明的有益效果是：本发明具有第一处理单元和第二处理单元，基于混合式并行支撑向量机技术，引入协作式递归神经网络来进行遥感影像的分类或识别，将多类分类问题分解成两个约束优化问题，引入CRNN进行支撑向量机的参数学习可以获得问题的全局最优解，与此同时，采用PSVM技术可以有效地降低解题的规模，提高分类速度，从而获得良好的分类效果。
附图说明
图1为本发明结构示意图；
图2为本发明第一处理单元结构示意图；
图3为本发明第二处理单元结构示意图。
图中：1、摄像机；2、摄像采集模块；3、第一处理单元；31、第一ARM芯片；32、第一RAM内存；33、第一ROM存储器；4、第二处理单元；41、第二ARM芯片；42、第二RAM内存；43、第二ROM存储器；5、数据合并单元；6、结果反馈单元；7、网络适配器；8、通信模块；9、云储存装置；10、本地储存装置；11、I/O接口；12、显示器。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1-3，本发明提供一种技术方案：一种基于PSVM和CRNN的遥感影像分类显示装置，包括摄像采集模块2，所述摄像采集模块2连接有摄像机1，所述摄像采集模块2分别电性连接有第一处理单元3和第二处理单元4，所述第一处理单元3和第二处理单元4电性连接有数据合并单元5，所述数据合并单元5电性连接有结果反馈单元6，所述结果反馈单元6的一端电性连接有本地储存装置10，所述本地储存装置10通过I/O接口11连接有显示器12，所述结果反馈单元6的另一端电性连接有网络适配器7，所述网络适配器7电性连接有通信模块8，所述通信模块8连接有云储存装置9。
具体的，所述第一处理单元3包括第一ARM芯片31、第一RAM内存32和第一ROM存储器33。
具体的，所述第二处理单元4包括第二ARM芯片41、第二RAM内存42和第二ROM存储器43。
具体的，所述通信模块8为4G模块。
具体的，所述I/O接口11为并行接口。
具体的，所述本地储存装置10为树莓派RS-3B。
具体的，使用时，本发明具有第一处理单元3和第二处理单元4，基于混合式并行支撑向量机技术，引入协作式递归神经网络来进行遥感影像的分类或识别，将多类分类问题分解成两个约束优化问题，引入CRNN进行支撑向量机的参数学习可以获得问题的全局最优解，与此同时，采用PSVM技术可以有效地降低解题的规模，提高分类速度，从而获得良好的分类效果。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (6)
1.一种基于PSVM和CRNN的遥感影像分类显示装置，包括摄像采集模块(2)，其特征在于：所述摄像采集模块(2)连接有摄像机(1)，所述摄像采集模块(2)分别电性连接有第一处理单元(3)和第二处理单元(4)，所述第一处理单元(3)和第二处理单元(4)电性连接有数据合并单元(5)，所述数据合并单元(5)电性连接有结果反馈单元(6)，所述结果反馈单元(6)的一端电性连接有本地储存装置(10)，所述本地储存装置(10)通过I/O接口(11)连接有显示器(12)，所述结果反馈单元(6)的另一端电性连接有网络适配器(7)，所述网络适配器(7)电性连接有通信模块(8)，所述通信模块(8)连接有云储存装置(9)。
2.根据权利要求1所述的一种基于PSVM和CRNN的遥感影像分类显示装置，其特征在于：所述第一处理单元(3)包括第一ARM芯片(31)、第一RAM内存(32)和第一ROM存储器(33)。
3.根据权利要求1所述的一种基于PSVM和CRNN的遥感影像分类显示装置，其特征在于：所述第二处理单元(4)包括第二ARM芯片(41)、第二RAM内存(42)和第二ROM存储器(43)。
4.根据权利要求1所述的一种基于PSVM和CRNN的遥感影像分类显示装置，其特征在于：所述通信模块(8)为3G、4G或WIFI模块。
5.根据权利要求1所述的一种基于PSVM和CRNN的遥感影像分类显示装置，其特征在于：所述I/O接口(11)为并行接口、串行接口、USB接口或光纤接口。
6.根据权利要求1所述的一种基于PSVM和CRNN的遥感影像分类显示装置，其特征在于：所述本地储存装置(10)为树莓派RS-3B。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910845465.XA CN111866427A (zh) | 2019-09-06 | 2019-09-06 | 一种基于psvm和crnn的遥感影像分类显示装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910845465.XA CN111866427A (zh) | 2019-09-06 | 2019-09-06 | 一种基于psvm和crnn的遥感影像分类显示装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111866427A true CN111866427A (zh) | 2020-10-30 |
Family
ID=72970635
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910845465.XA Pending CN111866427A (zh) | 2019-09-06 | 2019-09-06 | 一种基于psvm和crnn的遥感影像分类显示装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111866427A (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108363967A (zh) * | 2018-01-30 | 2018-08-03 | 何德珍 | 一种遥感图像场景的分类系统 |
| CN108388917A (zh) * | 2018-02-26 | 2018-08-10 | 东北大学 | 一种基于改进深度学习模型的高光谱图像分类方法 |
| WO2019129032A1 (zh) * | 2017-12-26 | 2019-07-04 | 北京市商汤科技开发有限公司 | 遥感图像识别方法、装置、存储介质以及电子设备 |
| CN110163303A (zh) * | 2019-06-03 | 2019-08-23 | 中国农业大学 | 一种基于格网的遥感影像并行分类方法及系统 |
-
2019
- 2019-09-06 CN CN201910845465.XA patent/CN111866427A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019129032A1 (zh) * | 2017-12-26 | 2019-07-04 | 北京市商汤科技开发有限公司 | 遥感图像识别方法、装置、存储介质以及电子设备 |
| CN108363967A (zh) * | 2018-01-30 | 2018-08-03 | 何德珍 | 一种遥感图像场景的分类系统 |
| CN108388917A (zh) * | 2018-02-26 | 2018-08-10 | 东北大学 | 一种基于改进深度学习模型的高光谱图像分类方法 |
| CN110163303A (zh) * | 2019-06-03 | 2019-08-23 | 中国农业大学 | 一种基于格网的遥感影像并行分类方法及系统 |
Non-Patent Citations (4)
| Title |
|---|
| 俞颖: "协作式递归神经网络在多类分类和语音增强中的应用研究" * |
| 李建平;张柏;张泠;王宗明;宋开山;: "湿地遥感监测研究现状与展望" * |
| 阳庆;秦志远;周丽雅;杨安洪;: "近似支持向量机高光谱图像分类方法研究" * |
| 黄风华: "云环境下基于并行支持向量机的高光谱影像分类研究" * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110297498B (zh) | 一种基于无线充电无人机的轨道巡检方法及系统 | |
| CN108109385B (zh) | 一种输电线防外破的车辆识别与危险行为判别系统与方法 | |
| CN107253485B (zh) | 异物侵入检测方法及异物侵入检测装置 | |
| WO2018028103A1 (zh) | 一种基于人眼视觉特性的电力线路无人机巡检方法 | |
| CA3100569A1 (en) | Ship identity recognition method base on fusion of ais data and video data | |
| CN108334844B (zh) | 一种输电线路巡检的沿线自动跟踪方法 | |
| CN103413150A (zh) | 基于可见光影像对电力线路缺陷进行诊断的方法 | |
| CN110991466A (zh) | 一种基于新型视觉传感设备的高速公路路面状况检测系统 | |
| CN109886918A (zh) | 锂电池极片的拉丝毛刺检测方法、电子设备及存储介质 | |
| CN106097627B (zh) | 输电线路舞动智能视频在线监测系统 | |
| CN106851229A (zh) | 一种基于图像识别的安防智能决策的方法与系统 | |
| CN116052222A (zh) | 自然采集牛脸图像的牛脸识别方法 | |
| CN105303162A (zh) | 一种基于目标建议算法的航拍图像绝缘子识别算法 | |
| CN113378856A (zh) | 一种基于人工智能的嵌入式输变电装备红外检测方法 | |
| CN116989881A (zh) | 一种基于线激光目标识别的接触线振动测量系统及方法 | |
| Shi et al. | Cobev: Elevating roadside 3d object detection with depth and height complementarity | |
| CN108320522A (zh) | 车辆测速装置及方法 | |
| CN114494916A (zh) | 一种基于YOLO和DeepSORT的黑颈鹤监测追踪方法 | |
| CN111866427A (zh) | 一种基于psvm和crnn的遥感影像分类显示装置 | |
| Zhao et al. | Ocean ship detection and recognition algorithm based on aerial image | |
| CN116883999A (zh) | 变电站大型施工机械与工作区域的安全距离监测方法 | |
| CN116363411A (zh) | 一种基于事件相机的隔离开关分合闸状态判别的方法及装置 | |
| CN115082504A (zh) | 一种太阳能光伏板光斑识别方法 | |
| CN107895365B (zh) | 一种输电通道外破防护的图像匹配方法及监测系统 | |
| Zou et al. | Research progresses and trends of power line extraction based on machine learning |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201030 |