国家高技术研究发展计划(2007AA12Z155)
- 作品数：3 被引量：87H指数：3
- 相关作者：孙洪曹永锋陈荣殷慧邹同元更多>>
- 相关机构：武汉大学贵州师范大学更多>>
- 发文基金：国家高技术研究发展计划国家自然科学基金中央高校基本科研业务费专项资金更多>>
- 相关领域：自动化与计算机技术电子电信天文地球更多>>
- 基于多维金字塔表达和AdaBoost的高分辨率SAR图像城区场景分类算法被引量：8
- 2010年
- 提出了多维金字塔表达算法,并使用基于多维金字塔表达的AdaBoost实现了高分辨率合成孔径雷达(Syntheticaperture radar,SAR)图像的城区场景分类.多维金字塔表达算法首先在局部特征的各维计算金字塔表达矢量,再将所有的金字塔表达矢量连接起来构成多维金字塔表达矢量.多维金字塔表达算法克服了金字塔表达算法在处理高维局部特征时,遇到的输出金字塔表达矢量的区分力受计算效率制约的问题.本文分别在一个TerraSAR-X图像库和一张大幅TerraSAR-X图像上比较基于金字塔表达的AdaBoost和基于多维金字塔表达的AdaBoost的分类性能.实验结果表明,与前者相比,后者显著提高了计算效率同时保证了分类精度.
- 殷慧曹永锋孙洪
- 关键词：ADABOOST
- 基于主动学习和半监督学习的多类图像分类被引量：74
- 2011年
- 多数图像分类算法需要大量的训练样本对分类器模型进行训练.在实际应用中,对大量样本进行标注非常枯燥、耗时.对于一些特殊图像,如合成孔径雷达(Synthetic aperture radar,SAR)图像,对其内容判读非常困难,因此能够获得的标注样本数量非常有限.本文将基于最优标号和次优标号(Best vs second-best,BvSB)的主动学习和带约束条件的自学习(Constrained self-training,CST)引入到基于支持向量机(Support vector machine,SVM)分类器的图像分类算法中,提出了一种新的图像分类方法.通过BvSB主动学习去挖掘那些对当前分类器模型最有价值的样本进行人工标注,并借助CST半监督学习进一步利用样本集中大量的未标注样本,使得在花费较小标注代价情况下,能够获得良好的分类性能.将新方法与随机样本选择、基于熵的不确定性采样主动学习算法以及BvSB主动学习方法进行了性能比较.对3个光学图像集及1个SAR图像集分类问题的实验结果显示,新方法能够有效地减少分类器训练时所需的人工标注样本的数量,并获得较高的准确率和较好的鲁棒性.
- 陈荣曹永锋孙洪
- 关键词：半监督学习支持向量机图像分类
- 一种快速有效的MSTAR SAR目标图像分割算法被引量：5
- 2009年
- 提出了一种快速有效的SAR目标图像分割算法。该算法基于混合Gamma分布,利用改进的Potts模型引入先验信息,通过结合期望最大化和图切割优化算法(GC)对混合分布模型参数进行快速稳健的估计,从而获得最终的分割结果。在MSTAR SAR数据集上的实验表明了该算法的有效性和灵活性。
- 代登信杨文邹同元孙洪
- 关键词：有限混合模型期望最大化图切割
