本文選題：圖像處理 + 遙感信息提取　； 參考：《激光與光電子學(xué)進(jìn)展》2017年08期

【摘要】：為了解決目前主流的顯著性檢測算法在復(fù)雜多目標(biāo)遙感圖像中檢測能力不足的問題,提出一種基于超像素區(qū)域相似性度量的顯著目標(biāo)提取算法。該算法利用簡單線性迭代聚類方法對原始圖像進(jìn)行超像素分割,通過基于圖論的視覺顯著性方法檢測出顯著超像素,并對其修正得到顯著目標(biāo)提取的訓(xùn)練樣本,進(jìn)一步逐層計(jì)算全體超像素區(qū)域與顯著超像素區(qū)域的相似性并轉(zhuǎn)化為超像素區(qū)域的隸屬度值,最后實(shí)現(xiàn)對整幅超像素圖像的顯著目標(biāo)提取。實(shí)驗(yàn)結(jié)果表明,該算法具有較高的準(zhǔn)確率和召回率,能更加有效地檢測出遙感圖像中的顯著目標(biāo),提取效果優(yōu)于主流的顯著性檢測算法,還可以有效應(yīng)用于復(fù)雜多目標(biāo)的遙感圖像顯著目標(biāo)信息提取中。
[Abstract]:In order to solve the problem of lack of detection ability in complex multi-target remote sensing images, a significant target extraction algorithm based on the similarity measurement of super pixels is proposed. This algorithm uses simple linear iterative clustering method to segment the original image with super pixel, and through the graph based visual display. The remarkable super pixel is detected by the novel method, and the training sample which is extracted from the significant target is obtained. The similarity between the super pixel area and the significant super pixel region is calculated by the layer by layer, and the membership degree of the super pixel region is transformed. Finally, the extraction of the significant target for the entire amplitude super pixel image is realized. The experimental results show that the algorithm is used. With high accuracy and recall, the significant target in remote sensing image can be detected more effectively. The extraction effect is better than the mainstream detection algorithm, and it can be effectively applied to the extraction of the significant target information of the complex multi-target remote sensing images.

【作者單位】： 中國科學(xué)院遙感與數(shù)字地球研究所數(shù)字地球重點(diǎn)實(shí)驗(yàn)室;中國科學(xué)院大學(xué);
【基金】：國家863計(jì)劃(2015AA7026087) 國家自然科學(xué)基金(41501489) 國家科技支撐計(jì)劃(2015BAB05B05-02) 中國地質(zhì)調(diào)查局項(xiàng)目(12120113089200) 中國科學(xué)院遙感與數(shù)字地球研究所所長青年基金(Y6SJ1100CX) 高分辨率對地觀測系統(tǒng)重大專項(xiàng)(民用部分)(30-Y20A37-9003-15/17)
【分類號】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉寶生;閆莉萍;周東華;;幾種經(jīng)典相似性度量的比較研究[J];計(jì)算機(jī)應(yīng)用研究;2006年11期

2 王曉龍;袁艷;張?zhí)┥?;一種實(shí)體運(yùn)動(dòng)模式相似性度量方法的研究[J];計(jì)算機(jī)仿真;2009年11期

3 王黎;帥建梅;;圖像重排序中與查詢相關(guān)的圖像相似性度量[J];計(jì)算機(jī)系統(tǒng)應(yīng)用;2010年11期

4 文成林;周哲;徐曉濱;;一種新的廣義梯形模糊數(shù)相似性度量方法及在故障診斷中的應(yīng)用[J];電子學(xué)報(bào);2011年S1期

5 仝朝陽，石教英;一種關(guān)于布爾模式的相似性度量及其應(yīng)用[J];計(jì)算機(jī)研究與發(fā)展;1996年08期

6 杜培軍,方濤,唐宏;基于集合論的光譜相似性度量及在影像檢索中的應(yīng)用[J];上海交通大學(xué)學(xué)報(bào);2004年S1期

7 劉海濤;魏汝祥;蔣國萍;;軟件成本數(shù)據(jù)的相似性度量[J];上海交通大學(xué)學(xué)報(bào);2012年11期

8 鄭翠翠;李林;;協(xié)同過濾算法中的相似性度量方法研究[J];計(jì)算機(jī)工程與應(yīng)用;2014年08期

9 吳德;葉傳標(biāo);;時(shí)間序列相似性度量在水文數(shù)據(jù)挖掘中的應(yīng)用研究[J];現(xiàn)代計(jì)算機(jī)(專業(yè)版);2008年11期

10 劉海桃;徐向~，

本文編號：1883712