项目名称: 基于多特征与水平集融合的遥感图像分割算法研究

项目编号: No.61502435

项目类型: 青年科学基金项目

立项/批准年度: 2016

项目学科: 计算机科学学科

项目作者: 吴庆岗

作者单位: 郑州轻工业学院

项目金额: 19万元

中文摘要: 特征提取是图像分割要解决的关键问题之一,该问题的有效解决将有助于提高图像分割的精度。本项目拟结合遥感图像具有多种特征的特点,重点研究其纹理特征和形状特征的提取与表示问题,通过与水平集方法的融合以提高遥感图像分割的精度。首先,项目拟结合视觉感知理论,利用字典学习方法构造纹理基元字典,通过主成分分析和稀疏编码策略研究纹理基元的确定问题,构建目标的纹理特征表示方式。然后,在提取目标特征点的基础上,拟采用以狄利克雷过程为先验信息的贝叶斯模型来描述形状的非参数统计规律,避免对参数的过度依赖,试图提高形状特征提取的鲁棒性。最后,在水平集框架下,研究多特征均值-方差和统计分布两种融合方法,在此基础上拟提出基于多特征和水平集融合的遥感图像分割算法,以提高分割精度,进一步结合分裂算子法来提高求解效率。该项目研究将对遥感图像分割研究起到关键的促进作用,也将为进一步研发具有实用价值的遥感图像处理系统奠定基础。

中文关键词: 字典学习;非参数统计;特征提取;图像分割;水平集

英文摘要: Feature extraction is one of the key problems in image segmentation, which will improve the segmentation accuracy. By means of the properties of multiple features of remote sensing images, we shall focus on the extraction and representation problems for texture and shape of the involved images. The combination of the multiple features with level set method will be explored to improve the segmentation accuracy. Firstly, considering the visual perception theory, the dictionary learning method will be used to construct texton dictionary. The textons will be determined by the strategies of principal component analysis (PCA) and sparse coding (SC). The sparse representation for the texture object of interest will be constructed by the texton dictionary. Then, Dirichlet Process will be adopted to describe the non-parametric statistical rule for the object shape on the basis of feature points so as to improve the robustness of shape feature extraction. This method has the advantage of avoiding the dependence of shape feature on various parameters. Finally, a novel segmentation algorithm will be proposed on the basis of the two fusion strategies, i.e., mean-variance and statistical distribution of various features to improve the segmentation accuracy. Meanwhile, Split-Bregman method will be considered so as to improve the segmentation efficiency. The study will play a key role in promoting the research of object segmentation in remote sensing images, and lays the foundation for the further research and development of the remote sensing image processing system with practical values.

英文关键词: Dictionary learning ;Nonparametric statistics;Feature extraction;Image segmentation;Level set

成为VIP会员查看完整内容
1

相关内容

稀疏表达的效果好坏和用的字典有着密切的关系。字典分两类,一种是预先给定的分析字典,比如小波基、DCT等,另一种则是针对特定数据集学习出特定的字典。这种学出来的字典能大大提升在特定数据集的效果。
医学图像关键点检测深度学习方法研究与挑战
专知会员服务
50+阅读 · 2022年4月10日
专知会员服务
28+阅读 · 2021年6月4日
专知会员服务
121+阅读 · 2021年4月29日
专知会员服务
44+阅读 · 2021年4月15日
专知会员服务
69+阅读 · 2021年3月23日
基于生理信号的情感计算研究综述
专知会员服务
61+阅读 · 2021年2月9日
专知会员服务
114+阅读 · 2021年1月11日
专知会员服务
77+阅读 · 2020年12月6日
图像分割方法综述
专知会员服务
54+阅读 · 2020年11月22日
深度学习目标检测方法综述
专知会员服务
273+阅读 · 2020年8月1日
综述:图像滤波常用算法实现及原理解析
极市平台
0+阅读 · 2022年1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
目标跟踪算法分类
算法与数据结构
20+阅读 · 2018年9月28日
AI如何帮助卫星遥感释放价值?
未来论坛
19+阅读 · 2018年8月8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
一文读懂图像压缩算法
七月在线实验室
15+阅读 · 2018年5月2日
如何设计基于深度学习的图像压缩算法
论智
40+阅读 · 2018年4月26日
图像检索研究进展:浅层、深层特征及特征融合
机器学习研究会
65+阅读 · 2018年3月26日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
2+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
2+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
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
3+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月16日
Self-Attention Graph Pooling
Arxiv
13+阅读 · 2019年6月13日
Object Detection in 20 Years: A Survey
Arxiv
48+阅读 · 2019年5月13日
小贴士
相关VIP内容
医学图像关键点检测深度学习方法研究与挑战
专知会员服务
50+阅读 · 2022年4月10日
专知会员服务
28+阅读 · 2021年6月4日
专知会员服务
121+阅读 · 2021年4月29日
专知会员服务
44+阅读 · 2021年4月15日
专知会员服务
69+阅读 · 2021年3月23日
基于生理信号的情感计算研究综述
专知会员服务
61+阅读 · 2021年2月9日
专知会员服务
114+阅读 · 2021年1月11日
专知会员服务
77+阅读 · 2020年12月6日
图像分割方法综述
专知会员服务
54+阅读 · 2020年11月22日
深度学习目标检测方法综述
专知会员服务
273+阅读 · 2020年8月1日
相关资讯
综述:图像滤波常用算法实现及原理解析
极市平台
0+阅读 · 2022年1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
目标跟踪算法分类
算法与数据结构
20+阅读 · 2018年9月28日
AI如何帮助卫星遥感释放价值?
未来论坛
19+阅读 · 2018年8月8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
一文读懂图像压缩算法
七月在线实验室
15+阅读 · 2018年5月2日
如何设计基于深度学习的图像压缩算法
论智
40+阅读 · 2018年4月26日
图像检索研究进展:浅层、深层特征及特征融合
机器学习研究会
65+阅读 · 2018年3月26日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
2+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
2+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
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
3+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员