国家自然科学基金(41301453)
- 作品数：7 被引量：82H指数：6
- 相关作者：邹峥嵘陶超何小飞杨钊霞田彦平更多>>
- 相关机构：中南大学香港理工大学更多>>
- 发文基金：国家自然科学基金国家重点基础研究发展计划国家教育部博士点基金更多>>
- 相关领域：天文地球自动化与计算机技术更多>>
- 主动学习与图的半监督相结合的高光谱影像分类被引量：16
- 2015年
- 针对当前高光谱影像分类时,人工标注样本费时费力以及大量未标记样本未有效利用等问题,提出了一种主动学习与图的半监督相结合的高光谱影像分类方法。首先,将像素的光谱信息与其邻域内的空间信息相结合,利用重排序机制得到一种旋转不变的空谱特征表达。在此基础上,利用主动学习算法选择最不确定性样本(即分类模糊度最大的样本),提交操作者标注得到标记样本集。最后将该标记样本与未标记样本组合,用于图的半监督分类。该算法可保证类别边界样本的选择,利于分类器的边界构造,同时,在较少标记样本情况下,通过引入大量的未标记样本,可以达到较好的分类效果。在3幅真实高光谱影像上的试验表明,该方法可以取得精度较高的分类结果。
- 田彦平陶超邹峥嵘杨钊霞何小飞
- 空-谱信息与稀疏表示相结合的高光谱遥感影像分类被引量：17
- 2015年
- 针对传统的高光谱遥感影像分类中多依赖光谱信息而忽视空间信息以及提取的特征维数高的问题,提出了一种空-谱信息与稀疏表示相结合的分类算法。首先,利用最小噪声分离对原始影像进行降维,在此基础上,对主成分图上局部影像块内的所有像素进行重组,并用排序的方法得到旋转不变的空-谱特征。然后,对空-谱特征进行监督学习得到字典,并将提取的测试样本的空-谱特征编码到字典中以得到测试样本的稀疏表示。最后,使用支持向量机分类器(SVM)对高光谱影像进行分类。3组高光谱数据试验表明,与传统的分类方法比较,本文方法能有效提高分类精度。
- 杨钊霞邹峥嵘陶超田彦平何小飞
- 关键词：高光谱影像字典学习
- 高分辨率遥感影像的压缩纹理元分类被引量：10
- 2014年
- 针对高分辨率遥感影像的特征提取复杂、特征维数大等问题,提出一种基于原始像素块的纹理元特征提取方法,并结合支持向量机将其应用于高分辨率遥感影像分类。首先,利用随机投影对基于原始像素灰度值的特征向量降维,得到压缩的局部纹理特征。然后,对各类纹理特性向量进行聚类,将聚类中心作为视觉词汇形成压缩纹理元字典。再将样本中的纹理元编码到纹理字典中对应距离最近的词汇,得到样本的视觉词汇图,并融合词汇统计直方图与词汇二阶矩信息作为全局的纹理表达。最后,将所得全局纹理特征作为支持向量机的输入进行分类。通过两个试验影像,验证了本文方法能够有效地表达纹理,提高分类精度。
- 金晶邹峥嵘陶超
- 关键词：高分辨率遥感纹理特征视觉词汇
- 图割能量驱动的高分辨率遥感影像震害损毁建筑物检测被引量：15
- 2017年
- 为充分利用高分辨率遥感影像提供的细节信息,提高震害损毁建筑物检测精度,提出了一种图割框架下融合形状、边缘、角点等多种类型特征的损毁建筑物检测方法。该方法首先利用震前建筑物线划图提取包含单个建筑物的局部影像,用于图割能量函数建模,并分别根据建筑物的位置、形状、边缘以及角点构造能量函数的各约束项。在此基础上,通过最大流/最小割算法求解能量函数最小值,依据最小割能量进行地震前后局部影像中建筑物的相似性度量。最后利用最大期望算法(expectation maximization,EM)求得最小割能量的分类阈值,并根据错分率估值执行后处理以获得最终变化检测结果。采用2011年3月11日东日本大地震前后石卷港的高分辨率遥感影像进行试验,结果表明本文提出的方法能有效检测出损毁建筑物。
- 刘莹陶超闫培邹峥嵘
- 关键词：建筑物图割高分辨率遥感影像面向对象
- 利用角点进行高分辨率遥感影像居民地检测方法被引量：22
- 2014年
- 现有的居民地检测方法大多是基于影像的纹理、光谱、形状等特征。当影像出现尺度、光照等条件变化时,将导致这些特征出现变化,造成算法的稳健性下降,而局部不变特征(如角点)却不易受到这些因素的影响。为此,提出一种基于角点特征的高分辨率遥感影像居民地检测方法。该方法首先在Harris算子提出角点的基础上,加入两个约束准则检测居民地的角点,然后根据影像中角点的分布情况,自适应地构建似然函数来度量影像中每一个像素属于居民地的概率,最后采用二值分割方法提取影像中的居民地。试验结果表明。本文方法可以快速、可靠地检测到影像中的居民地区域,具有较高的实际应用价值。
- 陶超邹峥嵘丁晓利
- 关键词：高分辨率遥感影像角点提取
- 融合多特征的高分辨率遥感影像震害损毁建筑物检测被引量：6
- 2018年
- 为充分利用特征的互补优势提高变化检测精度,本文提出了一种多特征融合的损毁建筑物检测方法。首先通过建筑物线划图获取建筑物对象,然后统计对象的灰度直方图和方向梯度直方图(Histogram of Oriented Gradient,HOG),并用G统计量计算地震前后对象的光谱距离;用震前影像训练基于HOG特征的支持向量机(Support Vector Machine,SVM),计算震后对象的HOG特征的响应值;再用Relief方法对光谱距离和HOG特征响应值进行加权融合,最后用FCM方法分类从而检测出损毁建筑物。实验结果表明,本方法充分利用了各特征的优势,有效提高了变化检测的精度。
- 刘莹李强
- 关键词：HOG特征RELIEF算法
- 基于PCAnet的高分辨率遥感影像场景分类被引量：1
- 2016年
- 高分辨率遥感影像中的场景信息,对影像解译和现实世界的理解具有重要意义。传统的场景分类方法多利用中、低层人工特征,但是高分辨率遥感影像的信息丰富,场景构成复杂,需要高层次的特征来表达。本文提出一种基于PCAnet的高分影像场景分类算法,无监督地逐级提取深层特征。首先,利用显著性探测算法获取显著图,根据显著区域,采样具有代表性的影像块作为初始样本集;然后,将样本集输入到PCAnet中进行特征提取;最后,利用支持向量机(SVM)进行分类。高分影像场景数据UC Merced 21类实验表明,与已有方法相比,本文方法能够有效地提高分类精度。
- 何小飞邹峥嵘陶超
- 关键词：高分辨率遥感影像
