- 标题
- 摘要
- 关键词
- 实验方案
- 产品
-
基于超像素的半监督主动学习在高光谱图像分类中的应用
摘要： 在这项工作中，我们提出了一种新的高光谱图像分类半监督主动学习方法。该方法通过半监督学习自动主动选择既可靠又具有信息量的伪标注样本，旨在利用这些样本提升机器泛化能力。该学习过程基于两个假设：局部假设采用基于超像素的空间同质性约束来规范伪标注的适应性；全局假设则通过带马尔可夫随机场正则化的多项式逻辑回归模型来描述数据密度分布。此外，针对超像素邻域内无人工标注样本无法被自动采样的问题，我们提出基于密度峰值的伪标注增强策略。实验采用三个真实高光谱数据集评估所提基于超像素的半监督学习方法的有效性，结果表明该方法能显著提升高光谱图像分类中半监督学习的潜力。
关键词： 半监督学习、高光谱图像分类、超像素、聚类、主动学习
更新于2025-09-23 15:23:52
-
利用光谱和超像素引导的形态学剖面对ForestPA在高分辨率遥感影像分类中的评估
摘要： 在甚高分辨率（VHR）遥感（RS）分类任务中，传统的基于像素的上下文信息提取方法（如形态学剖面（MPs）、扩展形态学剖面（EMPs）以及具有有限数量、尺寸和形状结构元素（SEs）的部分重构形态学剖面（MPPR））无法完美匹配图像中所有目标的大小和形状。为克服这一局限，我们引入了新颖的空间特征提取器——超像素引导的形态学剖面（SPMPs），其中超像素被用作重构开运算和重构闭运算中的结构元素。此外，为避免超像素内异常最大值和最小值可能带来的副作用，采用了超像素的平均像素值（SPMPsM）。同时，提出了一种新的基于惩罚先前树属性的决策森林方法ForestPA，并通过在三项VHR多/高光谱遥感图像分类任务上的对比研究进行评估。实验采用支持向量机及基准集成分类器（包括装袋法、AdaBoost、MultiBoost、ExtraTrees、随机森林和旋转森林）。实验结果证实，相较于MPs和MPPR，所提出的SPMPs和SPMPsM具有有效性和更优的性能。此外，从计算效率和分类精度角度看，ForestPA仅优于装袋法，且不适用于从高维海量样本中学习。
关键词： ForestPA、超像素、MPs、超像素引导的形态学剖面、MPPR、图像分类、甚高分辨率图像
更新于2025-09-23 15:23:52
-
基于超像素和图像级标签的自动图像分割
摘要： 自动且理想地分割图像中每个对象的语义区域将大幅提升后续图像处理的精度与效率。我们提出一种基于超像素和图像级标签的自动图像分割算法，该算法包含三个阶段：在超像素分割阶段，通过最小空间距离与图像总像素数自适应生成初始超像素数量；在超像素合并阶段，定义小尺寸超像素并直接合并最相似的超像素对（不考虑邻接关系），直至超像素数量等于图像级标签包含的分组数；此外，在超像素合并后新增不连通区域重分类阶段以增强分割区域的连通性。在广泛使用的微软剑桥研究院数据集和伯克利分割数据集上，实验证明本算法相比前沿算法能产生高精度的图像分割结果。
关键词： 超像素、图像级标签、图像分割、不连通区域
更新于2025-09-23 15:23:52
-
基于深度U-Net和超像素条件随机场模型的超高分辨率遥感影像水体提取
摘要： 水体提取（WBE）在遥感影像分析领域备受关注。本研究提出一种增强型深度卷积编解码器网络（即深度U-Net），通过结合超像素分割与条件随机场（CRF）技术，专门用于遥感影像的水体提取。首先利用深度U-Net对整幅遥感影像进行水/非水区域预分类，将类别隶属概率结果作为CRF模型中的一元势能函数；CRF的二元势能采用高斯核线性组合定义，形成全连接邻域结构。随后引入区域约束机制以增强连通区域一致性——通过简单线性迭代聚类算法生成超像素，并基于其平均后验概率修正二值分类结果。最终为该模型构建了高效的均值场近似推理算法。在高分二号和WorldView-2影像的实验应用表明，该方法在定量与定性指标上均具竞争力，能有效抑制椒盐噪声并保持水体边缘结构，较现有先进方法取得了更优的最终效果。
关键词： 条件随机?。–RFs）、深度U型网络、超像素、区域限制（RR）、水体提?。╓BE）
更新于2025-09-23 15:22:29
-
[IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 瓦伦西亚（2018.7.22-2018.7.27）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 基于局部低秩与稀疏表示的高光谱图像超分辨率方法
摘要： 遥感高光谱图像（HSI）通常具有高光谱分辨率但低空间分辨率。提升高光谱图像空间分辨率的一种方法是解决融合反问题，即将低空间分辨率高光谱图像（LR-HSI）与同场景的高空间分辨率多光谱图像（HR-MSI）进行融合。本文提出一种新型高光谱超分辨率方法（称为LRSR），该方法将融合问题表述为：从LR-HSI估计光谱字典，并从两幅图像分别估计相应的回归系数。通过构建促进局部（空间意义上）低秩且稀疏的回归系数的变分正则化问题来估计回归系数。其中光谱向量呈低秩的局部区域通过对HR-MSI进行分割来估计。所构建的凸优化问题采用SALSA算法求解。实验表明LRSR与现有最先进方法相比具有竞争力。
关键词： 高光谱图像超分辨率、低秩、超像素
更新于2025-09-23 15:22:29
-
基于深度差和测地距离的深度图像三维人体姿态估计
摘要： 深度差作为表征距离图像中成对像素的常用特征，在人体呈现剧烈复杂关节运动时无法精确捕捉骨骼关节点。鉴于成对像素的测地距离能体现全局连通特性且相邻像素通常属于同一身体部位，我们提出了一种高效精准的姿态估计框架：首先采用改进的简单线性迭代聚类算法将距离图像的所有像素分组为超像素；其次通过混合特征将这些超像素标记为人体组成部分；随后基于K-means聚类算法对人体部位的骨骼关节点进行组分式集群特征提??；最终将各组分的特征点堆叠为人体姿态的紧凑表示并映射至人体骨骼关节点。实验结果表明，该框架性能优于多种现有先进姿态估计方法。
关键词： 超像素、随机决策森林、测地距离、人体姿态估计、稀疏表示
更新于2025-09-23 15:22:29
-
[IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 瓦伦西亚（2018.7.22-2018.7.27）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 基于多视角卫星影像的单木检测
摘要： 单木检测在森林监测与调查中至关重要。本文提出一种利用多视角卫星影像检测单木并勾绘树冠的新方法。与仅使用影像信息的前人方法相比，我们从多视角高分辨率卫星影像生成数字表面模型（DSM），并将其与光谱信息结合进行树木检测。首先提取植被区域以剔除非植被对象，同时提取地形区域辅助估算树高。随后采用顶帽形态学运算高效定位局部极值点作为树顶，并通过高度检验与非极大值抑制进一步优化。最后运用改进的超像素分割算法勾绘树冠，该算法同时考虑二维光谱特征与三维结构相似性。为有效评估性能，我们严格进行检测树与参考树的一对一匹配评价。三个不同样地的定量评估表明，该方法能高精度检测不同区域的单木。
关键词： 遥感、数字表面模型、单木检测、超像素、多视角卫星影像
更新于2025-09-23 15:22:29
-
[IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 西班牙瓦伦西亚（2018年7月22日-7月27日）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 基于多属性超张量模型的高空间分辨率遥感影像分类
摘要： 随着遥感传感器的发展，获取大量高空间分辨率的遥感影像（RSI）变得更加容易，这使得空间特征在分类任务中发挥了重要作用。许多关于空-谱分类的研究已经开展并取得了良好效果，尤其是基于超像素的方法。然而，这些方法并未将每个超像素视为一个整体，从而忽略了空间与光谱特征之间的关系。众所周知，遥感影像可视为三阶数据立方体，因此也可用三阶张量表示。本文提出了一种多属性超像素张量（MAST）模型来解决上述问题。通过在两幅真实遥感影像上进行实验，并与几种知名方法进行比较，证明了所提模型的有效性。
关键词： 遥感影像、超像素、空-谱分类、EMAP、张量
更新于2025-09-23 15:21:21
-
基于自然场景统计和Gabor特征的卫星图像云检测
摘要： 云检测是遥感（RS）图像处理中的重要任务。目前已开发出众多云检测算法，但现有方法大多存在忽略小而薄的云层、以及无法区分云与光度相似区域（如建筑物和雪地）的缺陷。本文提出一种新型光学遥感图像云检测算法，将测试图像划分为三类：厚云、薄云和非云区域。首先采用简单线性迭代聚类算法分割潜在云区（包括小云块），随后通过自然场景统计模型对超像素进行云与地表建筑物的区分，最后计算各超像素的Gabor特征并利用支持向量机实现云与雪区的判别。实验结果表明，该模型在云检测性能上优于现有先进方法。
关键词： 自然场景统计（NSS）、支持向量机（SVM）、Gabor特征、超像素、云检测
更新于2025-09-23 15:21:01
-
稀疏高光谱解混的快速多尺度空间正则化
摘要： 从大型光谱库中进行稀疏高光谱解混的方法，被广泛用于规避许多应用中端元提取算法的局限性。该策略常导致不适定反问题，而空间正则化策略对此能发挥显著作用。然而现有空间正则化方法会引发大规模非光滑优化问题，因此高效引入解混问题的空间上下文仍是诸多实际应用的挑战与必要需求。本文提出一种稀疏解混的新型多尺度空间正则化方法，该方法基于分割与过分割算法构建信号自适应空间多尺度分解，将解混问题转化为两个更简单的子问题：一个在近似图像域处理，另一个在原始域处理。使用合成数据与真实数据的仿真结果表明，本方法性能优于当前最先进的基于全变分算法，且计算耗时与未正则化算法相当。
关键词： 空间正则化、超像素、高光谱数据、稀疏解混、多尺度
更新于2025-09-23 15:21:01