项目名称: 基于条件随机场模型的高分辨率遥感影像变化检测研究

项目编号: No.61201341

项目类型: 青年科学基金项目

立项/批准年度: 2013

项目学科: 电子学与信息系统

项目作者: 魏立飞

作者单位: 武汉大学

项目金额: 26万元

中文摘要: 高分辨率遥感影像变化检测技术能充分利用影像中地物的多特征信息,提高变化检测结果的完整性和精度,具有重要的研究意义。传统的高分辨率遥感影像多特征变化检测方法存在检测结果信息冗余、多特征信息的空间依赖性被忽略等不足。为此,本研究拟提出"变化信息智能提取-特征信息向量构建-多特征信息融合"的研究思路,发展稳健、有效的基于条件随机场模型的高分辨率遥感图像变化检测理论与方法。主要研究内容包括三个部分:1)目标特征向量提取;2)构建自适应阈值分割模型;3)建立基于条件随机场融合模型。本研究的相关成果在军事侦察、环境监测、灾害评估等领域具有很高的实际应用价值。

中文关键词: 条件随机场模型;高分辨率遥感影像;变化检测;特征信息向量;

英文摘要: The high-resolution remote sensing image change detection can use the more features informations of the grounds on image,to improve the integrity and accuracy of the testing result, and it has important significance and actual value.The result informations redundancy and the negligence of space dependence of the characteristics informations were existence in traditional high-resolution remote sensing image change detection method.Therefore,the task propose a new research idea:change information extraction-feature information vector creation -information fusion,and to advance atable and effective the model of high-resolution remote sensing image change detection based on conditional random field model.The main research contents include three parts: 1) extract the target feature vector; 2) build adaptive threshold segmentation model; 3) establish a fusion model based on the conditional random field.The relevant achievements of this study can provide the very high actual value in the military reconnaissance, environment monitoring and evaluation of the disaster.

英文关键词: conditional random foeld model;high-resolution remote sensing image;change detection;feature information vector;

成为VIP会员查看完整内容
0

相关内容

基于深度学习的图像目标检测算法综述
专知会员服务
97+阅读 · 2022年4月15日
深度学习中的单阶段小目标检测方法综述
专知会员服务
46+阅读 · 2021年11月23日
专知会员服务
91+阅读 · 2021年8月29日
专知会员服务
86+阅读 · 2021年8月8日
专知会员服务
28+阅读 · 2021年6月4日
专知会员服务
122+阅读 · 2021年4月29日
专知会员服务
47+阅读 · 2021年4月15日
专知会员服务
70+阅读 · 2021年3月23日
专知会员服务
18+阅读 · 2020年12月23日
基于深度学习的图像目标检测算法综述
专知
2+阅读 · 2022年4月16日
基于深度学习的小目标检测方法综述
专知
2+阅读 · 2021年4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
最全综述 | 图像分割算法
计算机视觉life
14+阅读 · 2019年6月20日
干货!一文读懂行人检测算法
全球人工智能
11+阅读 · 2018年5月31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
干货 | 目标识别算法的进展
计算机视觉战队
17+阅读 · 2017年6月29日
国家自然科学基金
4+阅读 · 2014年12月31日
国家自然科学基金
4+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013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
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
23+阅读 · 2018年10月1日
小贴士
相关VIP内容
基于深度学习的图像目标检测算法综述
专知会员服务
97+阅读 · 2022年4月15日
深度学习中的单阶段小目标检测方法综述
专知会员服务
46+阅读 · 2021年11月23日
专知会员服务
91+阅读 · 2021年8月29日
专知会员服务
86+阅读 · 2021年8月8日
专知会员服务
28+阅读 · 2021年6月4日
专知会员服务
122+阅读 · 2021年4月29日
专知会员服务
47+阅读 · 2021年4月15日
专知会员服务
70+阅读 · 2021年3月23日
专知会员服务
18+阅读 · 2020年12月23日
相关资讯
基于深度学习的图像目标检测算法综述
专知
2+阅读 · 2022年4月16日
基于深度学习的小目标检测方法综述
专知
2+阅读 · 2021年4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
最全综述 | 图像分割算法
计算机视觉life
14+阅读 · 2019年6月20日
干货!一文读懂行人检测算法
全球人工智能
11+阅读 · 2018年5月31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
干货 | 目标识别算法的进展
计算机视觉战队
17+阅读 · 2017年6月29日
相关基金
国家自然科学基金
4+阅读 · 2014年12月31日
国家自然科学基金
4+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013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
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
微信扫码咨询专知VIP会员