CN117557900B 一种基于高阶奇异值分解与分布式处理的垃圾遥感识别方法及系统 （南京邮电大学）_第1页
CN117557900B 一种基于高阶奇异值分解与分布式处理的垃圾遥感识别方法及系统 （南京邮电大学）_第2页
CN117557900B 一种基于高阶奇异值分解与分布式处理的垃圾遥感识别方法及系统 （南京邮电大学）_第3页
CN117557900B 一种基于高阶奇异值分解与分布式处理的垃圾遥感识别方法及系统 （南京邮电大学）_第4页
CN117557900B 一种基于高阶奇异值分解与分布式处理的垃圾遥感识别方法及系统 （南京邮电大学）_第5页
已阅读5页，还剩12页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

号一种基于高阶奇异值分解与分布式处理的本发明公开了一种基于高阶奇异值分解与分解计算后重新组合成近似张量来降低降噪时应残差法进行去噪。步骤4：特征融合与目标识够准确识别固废垃圾，得到的特征信息更加准2通过分布式将步骤1得到的张量前向切片成矩阵后分组，并将矩阵分解计算后重新组对步骤2得到的近似张量使用自适应残差法进行去噪，建立自适应残差函数结合多次将经步骤3降噪处理后的图像按照patch块大小进行分通过定义自适应残差去噪函数，并通过多次迭代计算来提高去噪效始含噪图像与去噪后图像的差值，假设原始含噪图像为Y，去噪后图像为X，残差图像为ΔX,AX=Y-X，将通过降噪处理的图像增加上残差图像与降噪处理的比值的乘积，定义次的迭代处理得到最终的去噪结果。2.根据权利要求1所述的基于高阶奇异值分解与分布式处理的垃圾遥感识别方法，其3.根据权利要求1所述的基于高阶奇异值分解与分布式处理的垃圾遥感识别方法，其到三个分解矩阵u,s,V，其中u,v算得到新的近似矩阵CA,=U*SP*VT，再将得到的所述新的近似矩阵CAP组合成当前节4.根据权利要求1所述的基于高阶奇异值分解与分布式处理的垃圾遥感识别方法，其3个像素表示该像素对于特定类别的贡献度，二维热力图CAM的生成过程通过反向传播方法异值分解与分布式处理的垃圾遥感识别方法进4[0003]固废垃圾遥感图像通常具有较低的分辨率，特别是在分析大范围的地理区域[0008]机器学习方法和深度学习方法在固废垃圾遥感图像处理领域得到了广泛的应用,[0011]第三．过高的数据维度与清晰度在大批量数据处理的时5的问题，本发明提出了一种基于高阶奇异值分解与分布式处理的垃圾遥感识别方法及系[0018]通过分布式将步骤1得到的张量前向切片成矩阵后分组，并将矩阵分解计算后重[0020]对步骤2得到的近似张量使用自适应残差法进行去噪，建立自适应残差函数结合为AX,AX=Y-X，为了提高去噪效果，将通过降噪处理的图像增加上残差图像与降噪处理6张量的前向切片并且将其最优化分配给各个计算节点来优化张量压缩时的计算爆炸问题[0039]鲁棒性：由于固废垃圾遥感图像数据可能受到的影响因[0041]图1是本发明基于高阶奇异值分解与分布式处理的垃圾遥感识别方法的整体架[0042]图2是本发明基于高阶奇异值分解与分布式处理的垃圾遥感识别方法中特征提取7[0044]图4~图6是本发明通过特征融合面对图像中出现多目标和干扰物较多的状况下的来研究固废垃圾遥感图像中不同区域的特征对分类结果的占总奇异值个数的10%~20%，最后将分解后的矩阵重新组合成新的近似张量来得到压缩后8

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论