阅读说明：本技术 一种基于psvm和crnn的遥感影像分类显示装置 (Remote sensing image classification display device based on PSVM and CRNN ) 是由 俞颖 黄风华 林小彬 于 2019-09-06 设计创作，主要内容包括：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。(The invention discloses a remote sensing image classification display device based on PSVM and CRNN, which comprises a camera acquisition module, wherein the camera acquisition module is connected with a camera, the camera acquisition module is respectively and electrically connected with a first processing unit and a second processing unit, the first processing unit and the second processing unit are electrically connected with a data merging unit, and the data merging unit is electrically connected with a result feedback unit. Thereby obtaining good classification effect.)

一种基于PSVM和CRNN的遥感影像分类显示装置

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。