利用贝叶斯网络融合空间上下文的高分辨遥感图像分类
【出 处】:《
计算机工程与科学
》
CSCD
2011年第33卷第1期 70-76页,共7页
【作 者】:
程环环
;
王润生
【摘 要】
针对高分辨遥感图像,本文提出了一种基于贝叶斯网络的上下文模型,以及基于该模型的面向对象的遥感图像分类方法。首先,利用支持向量机(SVM)实现分割区域的初始分类,获得各个类别的候选区域。然后,利用提出的上下文模型融合候选区域及其周围区域的上下文信息,通过贝叶斯网络推理,将候选区域分类到各类地物类型中。基于贝叶斯网络的上下文模型由候选区域节点、相关区域节点和上下文节点三部分组成。对于不同类型的地物,通过贝叶斯网络的结构学习算法学习得到不同的空间关系作为上下文节点。因此,该模型能够针对不同的地物类别利用不同的空间上下文信息,使得分类过程更智能和有效。实验结果表明,本文提出的算法能够很好地利用上下文信息,对高分辨遥感图像中的各种地物进行有效的分类和检测。
相关热词搜索:
上一篇:用于虹膜识别的轮廓波特征提取
下一篇:碎片影响闪存性能分析与改进