基于XGBoost集成深度学习的红外与可见光图像识别方法-中国Betway体育网页登陆

摘要摘要：本文以红外与光学成像为研究对象，提出采用XGBoost集成深度学习算法，通过对光学图像首先采用了镜像翻转、图像分割、灰度化与归一化等图像预处理手段对样本数据进行修正，研究了在小样本数据集中四种算法的性能表现。结果表明：对于小样本数据集，随机森林和 XGBoost 的训练效果最好，准确率达98.75%，优于其他几种算法。

1张弛;刘钧;李旭光;张淇海;杨毕宣;杨俊.基于可见光--红外图像信息融合的云状识别方法.大气科学及气象学,2018-01.
2闫钧华;陈少华;许俊峰;储林臻.基于可见光与红外图像特征融合的目标跟踪.力学,2013-04.
3凌飞.电气设备红外与可见光图像的配准方法研究.建筑设计及理论,2018-12.
4王跃华;陶忠祥.一种基于NSCT变换的红外与可见光图像融合算法.光学工程,2012-04.
5李欣,陈志明,周智明,郑安然,杜思骏,林志强.基于图像识别技术的红外图像批量识别与归档方法.电力系统及自动化,2023-08.
6李健;王滨海;李丽;张晶晶.基于SIFT的电力设备红外与可见光图像的配准和融合-.光学工程,2012-01.
7陈家石,解俊文,乔柏钧,李璐.基于深度学习的焊缝图像识别分析.建筑技术科学,2022-07.
8.可见光遥感.检测技术与自动化装置,2013-04.
9陈琳;刘姝;刘莉莹.基于可见光的三维图像处理技术.电力系统及自动化,2015-04.
10秦洋.基于红外与可见光融合的电缆故障检测技术的研究.,2023-10.

基于XGBoost集成深度学习的红外与可见光图像识别方法

来源期刊

相关推荐

同分类资源更多

相关关键词