首站-论文投稿智能助手
典型文献
基于上下文感知和超像素后处理的多光谱图像分类
文献摘要:
高质量的地物类别提取是大量地学应用的基础.现有的基于像素的分类方法没有充分挖掘多光谱遥感图像中的上下文关联信息,且分类后的标签图像容易产生破碎.为了提升高分辨率遥感图像的分类精度,本文提出一种基于上下文感知网络和超像素后处理的多光谱图像分类方法.该方法利用新设计的卷积神经网络模型来更好地学习多光谱图像中的空间上下文信息.超像素后处理使用小区域分割和投票的策略来合并结构上关联的区域,以避免破碎标签的产生.本文方法在高分一号卫星数据上进行测试,并与6个分类算法进行比较.实验结果表明本文方法在精度和视觉效果上都优于比对算法.另外,对基于新模型分类后的结果进行超像素后处理,不仅减少了分类结果的破碎度,也进一步提升了图像的分类精度.
文献关键词:
图像分类;土地利用;高分一号
作者姓名:
吴志平;麻尧斌;汤文超;胡必伟;胡毕炜;刘明嘉
作者机构:
江西省科技基础条件平台中心,江西 南昌 330003;南昌大学资源与环境学院,江西 南昌 330031;南昌大学空间科学与技术研究院,江西 南昌 330031
文献出处:
引用格式:
[1]吴志平;麻尧斌;汤文超;胡必伟;胡毕炜;刘明嘉-.基于上下文感知和超像素后处理的多光谱图像分类)[J].计算机与现代化,2022(12):67-73
A类:
B类:
上下文感知,超像素,多光谱图像分类,地物,地学应用,分类方法,多光谱遥感图像,联信,高分辨率遥感图像,分类精度,感知网络,法利,卷积神经网络模型,空间上下文,上下文信息,小区域,区域分割,投票,上关,高分一号卫星,卫星数据,分类算法,视觉效果,比对算法,模型分类,破碎度
AB值:
0.292368
相似文献
机标中图分类号,由域田数据科技根据网络公开资料自动分析生成,仅供学习研究参考。