项目名称: 遥感图像森林信息的膨胀-剔除提取方法研究

项目编号: No.41371411

项目类型: 面上项目

立项/批准年度: 2013

项目学科: 天文学、地球科学

项目作者: 葛宏立

作者单位: 浙江农林大学

项目金额: 66万元

中文摘要: 申请者在以往研究中提出了"膨胀-剔除信息提取法",但这个方法只适用于3维特征图像和单目标地类情况。本研究进行拓展性研究,使之突破特征数量和目标地类数量的限制,从而适用于一般遥感图像的森林信息提取。为了实现这些突破,进行如下内容的研究:分类特征选择与特征提取,去除冗余信息;从众多特征中选择针对某一目标地类的用于图像显示的3个特征,以及在选出的3个特征基础上进行可视化增强;基于高维链表式直方图的膨胀-剔除算法。方法的基本过程是:选取学习样本组成种子类;在直方图内基于种子类进行数学形态学膨胀,允许有非目标区域像素的对应栅格进入目标类;用鼠标在图像上提取错误膨胀区域像素,将这些像素所在的栅格从直方图目标类中剔除,并规定这些栅格在以后的膨胀操作中不被再次膨胀回以前错误膨胀的地类。反复进行膨胀和剔除操作,直至得到满意。该方法的特色是特征空间与图像空间有机联动;全程监督,全程直观;完全非线性。

中文关键词: 遥感图像信息提取;特征选择;特征提取;膨胀-剔除信息提取方法;

英文摘要: Based on the expanding-eliminating method( EEM), which was proposed by the proposer of this program in former researches, this program will take a systematical research to develop a totally new method of extracting forest information from remotely sensed

英文关键词: Information Extraction form Remotely Sensed Data;Feature Selection;Feature Extraction;Expansion - Elimination of Information Extraction;

成为VIP会员查看完整内容
0

相关内容

特征选择( Feature Selection )也称特征子集选择( Feature Subset Selection , FSS ),或属性选择( Attribute Selection )。是指从已有的M个特征(Feature)中选择N个特征使得系统的特定指标最优化,是从原始特征中选择出一些最有效特征以降低数据集维度的过程,是提高学习算法性能的一个重要手段,也是模式识别中关键的数据预处理步骤。对于一个学习算法来说,好的学习样本是训练模型的关键。
基于深度学习的图像目标检测算法综述
专知会员服务
92+阅读 · 2022年4月15日
【AAAI2022】基于图神经网络的统一离群点异常检测方法
专知会员服务
25+阅读 · 2022年2月12日
浙大《深度学习低样本目标检测》综述论文
专知会员服务
73+阅读 · 2021年12月13日
专知会员服务
42+阅读 · 2021年8月30日
专知会员服务
89+阅读 · 2021年8月29日
专知会员服务
28+阅读 · 2021年6月4日
专知会员服务
58+阅读 · 2021年3月25日
专知会员服务
68+阅读 · 2021年1月16日
深度学习图像检索(CBIR): 十年之大综述
专知会员服务
46+阅读 · 2020年12月5日
图像分割方法综述
专知会员服务
52+阅读 · 2020年11月22日
基于深度学习的图像目标检测算法综述
专知
1+阅读 · 2022年4月16日
基于OpenCV的图像阴影去除
极市平台
1+阅读 · 2022年2月27日
实操教程|基于OpenCV的条形码区域分割
极市平台
3+阅读 · 2022年2月7日
光学遥感图像目标检测算法综述
专知
7+阅读 · 2021年3月23日
最全综述 | 图像分割算法
计算机视觉life
13+阅读 · 2019年6月20日
实战 | 用Python做图像处理(三)
七月在线实验室
15+阅读 · 2018年5月29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
OpenCV特征提取与图像检索实现(附代码)
基于深度学习的图像目标检测(下)
机器学习研究会
12+阅读 · 2018年1月1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
2+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 · 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
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2022年4月16日
Arxiv
0+阅读 · 2022年4月14日
Deformable Style Transfer
Arxiv
14+阅读 · 2020年3月24日
Arxiv
19+阅读 · 2018年5月17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
92+阅读 · 2022年4月15日
【AAAI2022】基于图神经网络的统一离群点异常检测方法
专知会员服务
25+阅读 · 2022年2月12日
浙大《深度学习低样本目标检测》综述论文
专知会员服务
73+阅读 · 2021年12月13日
专知会员服务
42+阅读 · 2021年8月30日
专知会员服务
89+阅读 · 2021年8月29日
专知会员服务
28+阅读 · 2021年6月4日
专知会员服务
58+阅读 · 2021年3月25日
专知会员服务
68+阅读 · 2021年1月16日
深度学习图像检索(CBIR): 十年之大综述
专知会员服务
46+阅读 · 2020年12月5日
图像分割方法综述
专知会员服务
52+阅读 · 2020年11月22日
相关资讯
基于深度学习的图像目标检测算法综述
专知
1+阅读 · 2022年4月16日
基于OpenCV的图像阴影去除
极市平台
1+阅读 · 2022年2月27日
实操教程|基于OpenCV的条形码区域分割
极市平台
3+阅读 · 2022年2月7日
光学遥感图像目标检测算法综述
专知
7+阅读 · 2021年3月23日
最全综述 | 图像分割算法
计算机视觉life
13+阅读 · 2019年6月20日
实战 | 用Python做图像处理(三)
七月在线实验室
15+阅读 · 2018年5月29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
OpenCV特征提取与图像检索实现(附代码)
基于深度学习的图像目标检测(下)
机器学习研究会
12+阅读 · 2018年1月1日
相关基金
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
2+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 · 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
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
微信扫码咨询专知VIP会员