项目名称: 基于分层与或图模型的光学遥感图像场景理解方法研究

项目编号: No.61501434

项目类型: 青年科学基金项目

立项/批准年度: 2016

项目学科: 无线电电子学、电信技术

项目作者: 李叶

作者单位: 中国科学院空间应用工程与技术中心

项目金额: 19万元

中文摘要: 光学遥感图像场景理解对地球环境观测等领域有重大应用价值。光学遥感图像中目标间严重遮挡和目标剧烈形变给常规的场景理解方法带来了巨大挑战。为了解决严重遮挡和剧烈形变问题,本项目开展基于分层与或图模型的光学遥感图像场景理解方法研究。针对遮挡问题,本项目构建分层与或图模型精确描述场景、场景目标及目标间关系,并融合场景中目标上下文、外观、几何、内部结构、概率等多种信息,实现对存在严重遮挡的场景的准确理解,并解释目标间遮挡顺序,预测被遮挡部分;针对形变问题,本项目构建双向推理算法和基于分层与或图模型的属性语法,重构出大量不同结构的场景,实现对存在目标剧烈形变的场景的精确理解。利用本项目方法分析统计城市光学遥感图像中的绿化面积,验证本项目方法的有效性。本项目研究将有助于促进基于光学遥感图像的场景理解方法在地球环境观测等领域中的应用。

中文关键词: 场景理解;分层与或图模型;目标遮挡;目标形变;目标检测

英文摘要: Scene understanding based on optical remote sensing image is of great value to earth environmental observing and other applications. In optical remote sensing Image, serious occlusions among objects and large deformations of objects pose huge challenges to conventional scene understanding methods. To solve these problems, scene understanding based on hierarchical And-Or-Graph Model for optical remote sensing image will be studied in this proposal. To handle the occlusion problem, the hierarchical And-Or Graph (HAOG) model will be constructed. In the HAOG, a scene will be hierarchically decomposed into multiple super-pixels. In addition, the HAOG integrates context, appearance, geometry, structure, and probability information in the scene. Therefore, the proposed HAOG can accurately describe a scene, objects in the scene, and the relationships among objects. Moreover, the HAOG can predict the occluded object parts, interpret the occlusion ordering, and achieve accurate understanding for scene with object occlusions. To solve the deformation problem, a bidirectional inference with attribute grammar will be studied to parse scenes. Based on the HAOG, a small number of production rules in attribute grammar and bidirectional inference will be integrated to obtain a large number of scene configurations from scene images. Therefore, our method can adapt to the large deformation of objects in scene images. Our method will be utilized to analyze city's green area from optical remote sensing image for verifying effectiveness. The proposed work in this proposal is beneficial to promote the application of scene understanding for optical remote sensing image in earth environmental observing and other fields.

英文关键词: scene understanding;hierarchical And-Or Graph Model;object occlusion;object deformation;object detection

成为VIP会员查看完整内容
1

相关内容

【博士论文】基于深度学习的单目场景深度估计方法研究
面向行人重识别的局部特征研究进展、挑战与展望
专知会员服务
26+阅读 · 2021年10月13日
专知会员服务
35+阅读 · 2021年8月27日
专知会员服务
85+阅读 · 2021年8月8日
专知会员服务
44+阅读 · 2021年4月15日
专知会员服务
72+阅读 · 2021年4月8日
专知会员服务
69+阅读 · 2021年3月23日
专知会员服务
31+阅读 · 2021年2月17日
专知会员服务
18+阅读 · 2020年12月23日
图像描述生成研究进展
专知
1+阅读 · 2021年3月29日
光学遥感图像目标检测算法综述
专知
8+阅读 · 2021年3月23日
目标跟踪算法分类
大数据技术
13+阅读 · 2018年9月17日
【深度】行人检测算法
GAN生成式对抗网络
29+阅读 · 2018年6月3日
图像检索研究进展:浅层、深层特征及特征融合
中国计算机学会
122+阅读 · 2018年3月26日
国家自然科学基金
6+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
Arxiv
0+阅读 · 2022年4月18日
Arxiv
0+阅读 · 2022年4月14日
Arxiv
10+阅读 · 2020年6月12日
Arxiv
10+阅读 · 2017年7月4日
小贴士
相关VIP内容
【博士论文】基于深度学习的单目场景深度估计方法研究
面向行人重识别的局部特征研究进展、挑战与展望
专知会员服务
26+阅读 · 2021年10月13日
专知会员服务
35+阅读 · 2021年8月27日
专知会员服务
85+阅读 · 2021年8月8日
专知会员服务
44+阅读 · 2021年4月15日
专知会员服务
72+阅读 · 2021年4月8日
专知会员服务
69+阅读 · 2021年3月23日
专知会员服务
31+阅读 · 2021年2月17日
专知会员服务
18+阅读 · 2020年12月23日
相关资讯
图像描述生成研究进展
专知
1+阅读 · 2021年3月29日
光学遥感图像目标检测算法综述
专知
8+阅读 · 2021年3月23日
目标跟踪算法分类
大数据技术
13+阅读 · 2018年9月17日
【深度】行人检测算法
GAN生成式对抗网络
29+阅读 · 2018年6月3日
图像检索研究进展:浅层、深层特征及特征融合
中国计算机学会
122+阅读 · 2018年3月26日
相关基金
国家自然科学基金
6+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
微信扫码咨询专知VIP会员