国家自然科学基金(41271420D010702)
- 作品数：23 被引量：108H指数：7
- 相关作者：周绍光孙金彦向晶赵鹏飞刘文静更多>>
- 相关机构：河海大学江苏省基础地理信息中心安徽省水利厅更多>>
- 发文基金：国家自然科学基金江苏省测绘科研项目更多>>
- 相关领域：天文地球自动化与计算机技术更多>>
- 基于最大投票融合的高光谱影像半监督分类被引量：2
- 2020年
- 高光谱影像中的标记样本往往有限,即使利用大量的训练样本,分类结果也会出现大量斑点状的误分点。利用JSEG分割的方法生成了同质区,以获取大量未标记样本的标签,并在光谱特征的基础上进行了多特征提取,提高了类别辨识度;利用最大投票原则,对分类图和分割图进行融合,将分割斑块内的类别众数作为该斑块的类别。实验证明,最大投票融合的方法减少了斑块状的误分点,大大提高了分类精度。
- 刘丽丽周绍光丁倩赵婵娟
- 关键词：半监督分类
- 利用局部稀疏不变特征的遥感影像检索被引量：1
- 2018年
- 为了增强遥感影像局部特征的表征能力并充分利用过完备字典的稀疏分解,提出了基于稀疏表示特征构建视觉词典的遥感影像检索新方法。首先,提取遥感训练影像库的局部不变特征,对大量的局部特征训练过完备字典并将在该字典更新下获取的稀疏表示作为图像的特征描述;然后,对稀疏表示特征构建视觉词典,并进行空间金字塔匹配,获取稀疏直方图特征;最后,使用稀疏特征训练SVM分类模型,通过分类模型输出与查询影像属于一个类别的影像,在该类别的影像集中进行相似度匹配,返回与查询影像最为相似的图像,实现检索。实验结果表明,新方法提取的特征不仅具备局部不变特征的鲁棒性,还提供了必要的语义信息,在影像检索领域具有较强的实用性和适用性。
- 胡屹群周绍光岳顺刘晓晴
- 关键词：局部不变特征影像检索
- 基于伪标签深度学习的高光谱影像半监督分类被引量：1
- 2019年
- 研究了一种仅利用少量标记点训练深度卷积神经网络并对高光谱影像进行分类的方法。以图像分割获得的同质区增加训练样本数目;借助这些增加的样本训练初始分类器并预测所有未知点的初始类别;将每一初始类别聚集为适当的类簇,以类簇号作为伪标签对深度卷积网进行预训练;最后利用经过同质区增加的训练样本精调预训练深度卷积网。实验结果证明新方法可以在仅用少量实际标记样本的情况下成功地训练深度卷积网,对高光谱数据进行有效分类。
- 刘丽丽周绍光赵婵娟丁倩
- 关键词：半监督分类高光谱影像
- 利用视觉词袋模型和颜色直方图进行遥感影像检索被引量：8
- 2017年
- 基于内容的遥感影像检索已经成为遥感领域的研究热点,因此,本文提出了一种综合视觉词袋模型和颜色直方图的遥感影像检索方法,利用尺度不变特征算子提取影像的局部不变特征,通过视觉词袋模型组合局部特征,生成每幅影像的金字塔直方图,接着结合每幅影像的颜色直方图生成更有区分性的特征向量,利用新的特征向量集训练支持向量机分类器,通过分类器输出与查询属于一类的影像,完成遥感影像检索。试验结果表明,本文方法不仅提高了影像检索的查准率和查全率,并且验证了该方法能有效克服影像光照、噪声、方向等变化,鲁棒性较好。
- 胡屹群周绍光岳顺王莎
- 关键词：局部不变特征颜色直方图支持向量机分类器影像检索
- 结合RGB三维直方图和DBSCAN算法的图像分割被引量：2
- 2018年
- 合并超像素生成大面积同质区对目标检测、跟踪和识别及遥感影像处理具有现实意义。在合并过程中,要求超像素具有良好的边缘保持性,传统的超像素分割方法追求形状规则而忽略边缘的贴合度。有鉴于此,提出一种基于RGB三维直方图结合DBSCAN的图像分割方法。首先分析图像三维RGB直方图获取边缘贴合度很高的初始超像素,进而选择适当的特征值利用DBSCAN算法对超像素合并以生成较大同质区。实验证明:新方法获取超像素的边缘保持性和运算效率都优于传统方法,采用DBSCAN合并超像素时,其分割精度有明显提升,而且同质区边缘更加准确。
- 丁倩周绍光邓巧王馨苑
- 关键词：DBSCAN聚类
- 结合Steger方法和影像分类的道路中心线提取被引量：2
- 2018年
- 针对直接利用监督分类结果提取道路中心线过程过于复杂的问题,研究一种综合利用Steger方法和影像分类结果的道路中心线提取新策略。以影像分类结果从Steger方法获取的条带中心线中初步筛选出候选道路中心线段,根据道路的连续性和方向的一致性进行合理延伸、连接,即可实现道路中心线提取。实验证明,提取的道路中心线在完整率、准确率和提取质量方面精度较高,并在一定程度上解决了道路断裂问题。
- 邓巧周绍光胡屹群王馨苑
- 关键词：影像分类
- 基于SLIC和主动学习的高光谱遥感图像分类方法被引量：8
- 2017年
- 在主动学习的基础上,提出一种基于SLIC的高光谱遥感图像主动分类方法。首先提取图像纹理特征并与光谱特征融合,使用PCA对新数据进行降维,取前三个主成分构成假彩色图像,然后使用SLIC处理该图像获得超像素;接着随机抽取定量超像素作为初始训练样本,样本光谱信息为超像素样本中所有像素点的光谱信息均值,样本标签为超像素中出现次数最多的类别;然后通过主动学习得到SVM分类器;最后使用分类器对超像素分类得到其类别,并将超像素类别赋予其包含的像素点,从而达到高光谱遥感图像分类的目的。实验表明:该方法明显降低了主动学习过程的时间消耗,有效地提高了分类效果,其OA,AA和Kappa值显著优于未使用SLIC的主动学习方法。
- 赵鹏飞周绍光裔阳胡屹群
- 一种顾及形状特征的遥感图像道路提取方法被引量：6
- 2017年
- 依照单类分类和主动学习的基本原理,利用光谱信息和道路几何信息共同实现道路提取。首先人工标记部分道路与非道路样本,用SVDD训练筛选出初始道路与非道路样本点代入SVM得到初始分类图,路径开运算处理之后进行直线匹配获取二值道路图。接下来是一个主动学习过程,根据样本点离超平面的距离及与二值道路图的匹配结果选取最终样本。将留下的样本点代入SVM中并赋以一定权值迭代训练,迭代固定次数之后选取正确率最高的SVM模型。最后利用路径开运算处理获取初始道路,经过形态学后处理得到最终的道路。实验结果表明,该方法可以有效地从高光谱遥感影像中提取道路。
- 裔阳周绍光刘文静赵鹏飞
- 关键词：支持向量数据描述支持向量机道路提取
- 基于主动深度学习的高光谱影像分类被引量：13
- 2017年
- 针对当前高光谱遥感影像分类人工标注样本费时费力,大量未标注样本未得到有效利用以及主要利用光谱信息而忽视空间信息等问题,提出了一种空-谱信息与主动深度学习相结合的高光谱影像分类方法。首先利用主成分分析对原始影像进行降维,在此基础上提取像素的一正方形小邻域作为该像素的空间信息并结合其原始光谱信息得到空谱特征。然后,通过稀疏自编码器得到原始数据的稀疏特征表达,并通过逐层无监督学习稀疏自编码器构建深度神经网络,输出原始数据的深度特征,将其连接到softmax分类器,利用少量标记样本以监督学习的方式完成模型的精调。最后,利用主动学习算法选择最不确定性样本对其进行标注,并加入至训练样本以提高分类器的分类效果。分别对Pavia U影像和Pavia C影像进行分类实验的结果表明,该方法在少量标记样本情况下,相对于传统方法能有效地提高分类精度。
- 程圆娥周绍光袁春琦陈蒙蒙
- 大气散射理论的遥感影像雾霾去除新方法被引量：1
- 2015年
- 基于大气散射的物理模型,针对雾霾的厚薄分布状况,给出了一种有选择性的雾霾去除新策略。在深入分析相关研究的基础上,新方法主要进行了两方面的改进,首先增加了抠图能量函数的数据项的精度,并增大了该能量函数的正则化参数值;其次对分布不均的雾霾影像使用自适应参数的云背景模型进行了预处理。改进方法的去霾结果更加清晰,色调、亮度分布均匀,而且色彩变化比较平滑自然,相比于已有同类算法,去霾效果更为理想。
- 刘文静周绍光赵梦银向晶
