-
公开(公告)号：CN103294792B
公开(公告)日：2016-02-10
申请号：CN201310192057.1
申请日：2013-05-13
Applicant: 西安电子科技大学
IPC: G06F17/30
Abstract: 本发明公开了一种基于语义信息和极化分解的极化SAR地物分类方法。其实现包括：对span图进行均值漂移，提取span图的边脊草图，并在边脊草图中用基于语义信息的区域提取技术提取线段聚集区域；基于线段聚集区域并采用临界区域众数投票合并策略和基于极化特征合并策略对span图均值漂移过分割区域进行合并，得到图像分割结果；融合基于语义信息的图像分割结果和基于MRF的H/α-Wishart分类结果，得到最终分类结果。本发明将语义信息、图像处理技术和极化散射特性相结合，主要解决了现有基于极化分解的分类技术对具有聚集特性地物(如森林、建筑群等)的分类结果区域一致性较差的问题，提高了具有聚集特性地物的分类结果的区域一致性和边界保持性。
-
公开(公告)号：CN103294792A
公开(公告)日：2013-09-11
申请号：CN201310192057.1
申请日：2013-05-13
Applicant: 西安电子科技大学
IPC: G06F17/30
Abstract: 本发明公开了一种基于语义信息和极化分解的极化SAR地物分类方法。其实现包括：对span图进行均值漂移，提取span图的边脊草图，并在边脊草图中用基于语义信息的区域提取技术提取线段聚集区域；基于线段聚集区域并采用临界区域众数投票合并策略和基于极化特征合并策略对span图均值漂移过分割区域进行合并，得到图像分割结果；融合基于语义信息的图像分割结果和基于MRF的H/α-Wishart分类结果，得到最终分类结果。本发明将语义信息、图像处理技术和极化散射特性相结合，主要解决了现有基于极化分解的分类技术对具有聚集特性地物(如森林、建筑群等)的分类结果区域一致性较差的问题，提高了具有聚集特性地物的分类结果的区域一致性和边界保持性。
-
公开(公告)号：CN104392456B
公开(公告)日：2017-05-17
申请号：CN201410751944.2
申请日：2014-12-09
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于深度自编码器和区域图的SAR图像分割方法，主要解决现有技术分割不够准确、不够细致的问题。其实现步骤是：1.根据初始素描模型得到SAR图像素描图，补全素描线段得到区域图，将区域图映射到原图得到聚集、匀质和结构区域；2.分别对聚集和匀质区域用不同深度自编码器训练，得到对应所有点的表示，级联编码层最后两层作为该点特征；3.分别对聚集和匀质区域构建字典，各点特征投影至相应字典并汇聚出各子区域的区域特征；4.分别对两类区域的子区域特征聚类；5.对结构区域在素描线段指导下使用超像素合并进行分割；6.合并各区域分割结果完成SAR图像分割。本发明具有分割准确、细致的优点，可用于目标识别。
-
公开(公告)号：CN104392456A
公开(公告)日：2015-03-04
申请号：CN201410751944.2
申请日：2014-12-09
Applicant: 西安电子科技大学
CPC classification number: G06T7/11 , G06T2207/20081 , G06T2207/20152
Abstract: 本发明公开了一种基于深度自编码器和区域图的SAR图像分割方法，主要解决现有技术分割不够准确、不够细致的问题。其实现步骤是：1.根据初始素描模型得到SAR图像素描图，补全素描线段得到区域图，将区域图映射到原图得到聚集、匀质和结构区域；2.分别对聚集和匀质区域用不同深度自编码器训练，得到对应所有点的表示，级联编码层最后两层作为该点特征；3.分别对聚集和匀质区域构建字典，各点特征投影至相应字典并汇聚出各子区域的区域特征；4.分别对两类区域的子区域特征聚类；5.对结构区域在素描线段指导下使用超像素合并进行分割；6.合并各区域分割结果完成SAR图像分割。本发明具有分割准确、细致的优点，可用于目标识别。
-
-
-
Search Results
4
records
(took 0.018 seconds)
