张中山
- 作品数：8 被引量：21H指数：4
- 供职机构：中国电子科技集团公司第三十八研究所更多>>
- 发文基金：国家高技术研究发展计划国家自然科学基金测绘遥感信息工程国家重点实验室开放研究基金更多>>
- 相关领域：天文地球自动化与计算机技术电子电信更多>>
- 基于粒子群训练的人工神经网络应用于多光谱遥感影像分类研究被引量：4
- 2008年
- 为了提高多光谱遥感影像的分类精度,提出一种基于粒子群训练的人工神经网络的多光谱遥感影像的分类方法。该方法先建立一个针对多光谱遥感影像的神经网络分类模型,然后引入粒子群算法对神经网络进行网络权值与阈值的优化,再利用训练好的神经网络对多光谱遥感影像进行分类。该方法不仅利用了人工神经网络在解决多光谱遥感影像混合光谱的优势,而且克服了BP神经网络在训练时候收敛速度过慢、振荡的缺点。实验结果证明:基于粒子群训练的人工神经网络方法能够比较好地提高多光谱遥感影像的分类精度。
- 张中山燕琴余洁闫培洁白俊武
- 关键词：神经网络多光谱遥感影像粒子群
- 极化合成孔径雷达影像智能处理方法研究
- 随着极化SAR传感器的发展,所获得数据的空间与时间分辨率不断提高,数据量急剧增加。如何充分有效地利用极化SAR数据进行信息提取和解译,成为迫切需要解决的难题。智能、准确地对极化SAR影像进行处理已成为极化SAR影像研究的...
- 张中山
- 关键词：极化SAR影像处理相干斑抑制核方法智能优化算法粒子群优化方法
- 文献传递网络资源链接
- 改进的遗传算法用于极化合成孔径雷达影像非监督分类被引量：1
- 2013年
- H/α-Wishart分类方法是目前常用且较为有效的极化SAR影像分类方法,但其分类精度还有待改善。研究一种基于遗传算法的极化SAR影像的分类方法,该方法根据极化SAR影像Cloude特征分解的特征值,采用H/α平面进行初分类,然后采用遗传算法迭代进行再次分类。针对遗传算法"早熟"和收敛速度慢的问题,结合H/α平面图对遗传算法的变异算子进行了改进,以利用极化散射机理缩小变异范围,改善算法收敛速度。采用NASA-JPL实验室的极化SAR数据以及中国电子科技集团38研究X波段原型样机的高分辨率极化SAR数据进行实验,结果表明:该方法极化SAR影像分类精度优于H/α-Wishart分类方法。
- 王刚余洁朱腾张中山赵争
- 关键词：遗传算法变异算子极化合成孔径雷达非监督分类
- 一种基于小波域的分形遥感影像压缩方法被引量：1
- 2008年
- 解决大数据量遥感影像传输和存储问题的方案之一,是对遥感影像进行高保真快速压缩。通过对遥感影像进行小波变换产生子带频域之间的相似性,再利用分形方法对具有相似性的相邻高频子带进行编码,由高一级的子影像构造低一级的子影像,然后采用分形迭代解码和小波变换的逆变换重建影像。实验结果表明,该方法在一定程度上能够提高压缩比,在压缩时间上比传统的分形方法有明显的缩短,并且压缩后影像信息的损失量较少,影像恢复的质量较好。
- 张中山余洁覃会玲穆超
- 关键词：遥感影像小波域影像压缩
- 基于核独立成分分析的极化SAR图像相干斑抑制被引量：9
- 2011年
- 为提高极化合成孔径雷达图像相干斑抑制的效果,提出基于核独立成分分析(kernel independent component analysis,KICA)的极化SAR图像相干斑抑制方法。该方法将三个通道的极化信息作为输入数据,经过KICA变换得到三个独立分量,取相干斑指数最小的分量作为滤波后的信息图像。由于将核函数引入到独立成分分析(independent component analysis,ICA)中,使在ICA中无法线性可分的信息在高维空间中达到线性可分。采用旧金山地区的AIRSAR数据与日本新潟地区的PISAR数据分别进行试验,并用相干斑指数和边缘保持系数从客观上进行评价。试验表明,与ICA算法相比,KICA算法具有更好的滤波效果和保持边缘信息的能力。
- 张中山余洁燕琴孟云闪赵争
- 关键词：极化SAR核独立成分分析相干斑
- LSSVM算法在极化SAR影像分类中的应用被引量：4
- 2012年
- 最小二乘支持向量机(LSSVM)是针对标准支持向量机(SVM)算法训练时间长的问题而提出的一种改进算法。针对SVM算法在极化SAR影像分类时存在效率较低的问题,以目标分解理论为基础,对LSSVM算法应用于极化SAR影像分类的有效性进行了研究。结果表明,对于极化SAR影像分类,LSSVM算法与SVM算法的分类精度相当,但时间效率远优于SVM算法,并且对参数的调整也具有更好的稳定性,同时泛化能力良好。
- 孟云闪余洁刘利敏张中山隋克林
- 关键词：极化合成孔径雷达LSSVM
- 粒子群算法在极化SAR目标对比增强中的应用
- 2013年
- 针对SAR极化对比增强中存在计算复杂的问题,将粒子群算法应用到极化SAR目标增强当中,并通过数据实验,验证了其优越性。该方法将对比增强问题抽象成最优化问题,将统计得到的区域平均协方差矩阵作为粒子群优化算法的输入,计算每个粒子的适应度值,更新粒子群的个体最优和全局最优值,通过迭代得到最优对比度。实验结果表明,与传统的最优极化对比增强算法相比,基于粒子群优化算法的极化对比增强方法能达到更好的对比度,而且实现较为简单。
- 张中山余洁孟云闪
- 关键词：极化SAR粒子群算法
- 基于粒子群算法的全极化SAR图像非监督分类算法研究被引量：4
- 2010年
- 提出了一种基于H/α/A和粒子群优化(PSO)算法的全极化SAR数据非监督分类方法。该方法利用H/α/A对全极化SAR数据进行基于散射机理的初分类,计算各类别的聚类中心,并利用计算结果对PSO算法进行初始化,然后采用PSO对极化SAR数据进行迭代分类。在运算过程中,引入了基于最大似然准则的复Wishart距离,以提高分类器的性能。实验结果验证了该算法的有效性,所提出算法的分类结果优于传统的Wishart-H/α/A分类方法。
- 张中山燕琴余洁李岩
- 关键词：粒子群算法极化SAR
