针对小波域多尺度马尔科夫随机场模型(Markov random field,MRF)对信息利用不充分的特点,在模型中引入模糊理论,提出了一种新的小波域多尺度MRF模型。新模型定义了相应的模糊概率场,通过模糊概率场描述每个小波域各尺度上像素的类别隶属...针对小波域多尺度马尔科夫随机场模型(Markov random field,MRF)对信息利用不充分的特点,在模型中引入模糊理论,提出了一种新的小波域多尺度MRF模型。新模型定义了相应的模糊概率场,通过模糊概率场描述每个小波域各尺度上像素的类别隶属度;根据模糊概率场估计了对应的特征场模型参数,参数的估计考虑了同尺度所有位置的特征信息;根据特征场模型导出了对应的示性场模型,用其反映每个像素的类别能量。利用贝叶斯准则给出了3步交互迭代算法,获得了分割结果。展开更多
为充分利用高光谱遥感影像中丰富的光谱和空间信息,提出了一种基于多核支持向量机(multiple kernel support vector machine,MKSVM)和马尔科夫随机场(markov random field,MRF)的影像分类方法。该方法首先利用MKSVM分类器对影像进行分...为充分利用高光谱遥感影像中丰富的光谱和空间信息,提出了一种基于多核支持向量机(multiple kernel support vector machine,MKSVM)和马尔科夫随机场(markov random field,MRF)的影像分类方法。该方法首先利用MKSVM分类器对影像进行分类处理,再利用MRF对初始分类结果进行空间结构规则化,得到最终分类结果。通过对AVIRIS高光谱影像的分类实验表明,该方法有效地消除了分类结果中同质区域内的"噪声",分类精度提高了3%左右。展开更多
为了解决多尺度遥感图像变化检测在降噪时丢失大量高频信息及单一像素孤立性的问题,提出了一种双树复小波变换DT-CWT(Dual-tree Complex Wavelet Transform)和马尔可夫随机场MRF(Markov Random Field)相结合的非监督遥感图像变化检测算...为了解决多尺度遥感图像变化检测在降噪时丢失大量高频信息及单一像素孤立性的问题,提出了一种双树复小波变换DT-CWT(Dual-tree Complex Wavelet Transform)和马尔可夫随机场MRF(Markov Random Field)相结合的非监督遥感图像变化检测算法,首先采用DT-CWT对差异图像进行多尺度分解,并根据MRF模型分割算法提取高频区域的变化特征,然后进行相应层的高、低频重构,再对重构后的各层建立MRF模型并根据贝叶斯最大后验概率准则MAP(Maximum A Posterior)进行最终分割,最后对各层分割结果进行求交融合,得到最终的变化检测结果掩膜图。对比实验结果表明,该方法在去除杂点和噪声的同时能够较好地保留高频信息,并且边缘检测更加平滑,具有较高的变化检测精度和很好的鲁棒性。展开更多
文摘针对小波域多尺度马尔科夫随机场模型(Markov random field,MRF)对信息利用不充分的特点,在模型中引入模糊理论,提出了一种新的小波域多尺度MRF模型。新模型定义了相应的模糊概率场,通过模糊概率场描述每个小波域各尺度上像素的类别隶属度;根据模糊概率场估计了对应的特征场模型参数,参数的估计考虑了同尺度所有位置的特征信息;根据特征场模型导出了对应的示性场模型,用其反映每个像素的类别能量。利用贝叶斯准则给出了3步交互迭代算法,获得了分割结果。
文摘为充分利用高光谱遥感影像中丰富的光谱和空间信息,提出了一种基于多核支持向量机(multiple kernel support vector machine,MKSVM)和马尔科夫随机场(markov random field,MRF)的影像分类方法。该方法首先利用MKSVM分类器对影像进行分类处理,再利用MRF对初始分类结果进行空间结构规则化,得到最终分类结果。通过对AVIRIS高光谱影像的分类实验表明,该方法有效地消除了分类结果中同质区域内的"噪声",分类精度提高了3%左右。
文摘为了解决多尺度遥感图像变化检测在降噪时丢失大量高频信息及单一像素孤立性的问题,提出了一种双树复小波变换DT-CWT(Dual-tree Complex Wavelet Transform)和马尔可夫随机场MRF(Markov Random Field)相结合的非监督遥感图像变化检测算法,首先采用DT-CWT对差异图像进行多尺度分解,并根据MRF模型分割算法提取高频区域的变化特征,然后进行相应层的高、低频重构,再对重构后的各层建立MRF模型并根据贝叶斯最大后验概率准则MAP(Maximum A Posterior)进行最终分割,最后对各层分割结果进行求交融合,得到最终的变化检测结果掩膜图。对比实验结果表明,该方法在去除杂点和噪声的同时能够较好地保留高频信息,并且边缘检测更加平滑,具有较高的变化检测精度和很好的鲁棒性。
