期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到2篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
一种图像纹理分割的小波—像素曲线演化方法
1
作者 周昌雄 于盛林 吴陈 《信息与控制》 CSCD 北大核心 2005年第2期167-171,共5页
提出了图像纹理分割的小波—曲线演化方法,该方法运用二维小波对纹理图像进行分解,由四个小波系数描述纹理特征,并组成四维小波系数特征矢量图,然后采用最大后验概率模型的曲线演化方法,对特征矢量图进行分割和分类,从而获得原图像纹理... 提出了图像纹理分割的小波—曲线演化方法,该方法运用二维小波对纹理图像进行分解,由四个小波系数描述纹理特征,并组成四维小波系数特征矢量图,然后采用最大后验概率模型的曲线演化方法,对特征矢量图进行分割和分类,从而获得原图像纹理分割结果.实验结果表明,与小波—FCM聚类纹理分割方法相比,该方法对双纹理图像能取得较好的分割效果,分割出的边界连续,并且具有较强的抗噪能力. 展开更多
关键词 图像纹理分割 小波 曲线演化 最大后验概率模型
在线阅读 下载PDF
高分二号遥感影像提取冬小麦空间分布 被引量：19
2
作者 宋德娟 张承明 +4 位作者 杨晓霞 李峰 韩颖娟 高帅 董海燕 《遥感学报》 EI CSCD 北大核心 2020年第5期596-608,共13页
精细的农作物空间分布数据对于资源、环境、生态、气候变化和粮食安全问题均具有重要的意义,卷积神经网络已经成为从遥感影像中提取农作物空间分布数据的主要方法,但提取结果中的种植区域边缘往往比较粗糙。本文以高分二号遥感影像为数... 精细的农作物空间分布数据对于资源、环境、生态、气候变化和粮食安全问题均具有重要的意义,卷积神经网络已经成为从遥感影像中提取农作物空间分布数据的主要方法,但提取结果中的种植区域边缘往往比较粗糙。本文以高分二号遥感影像为数据源,选择冬小麦为提取目标,利用RefineNet模型和最大后验概率模型构建冬小麦遥感提取模型WWRSE(Winter Wheat Remote Sensing Extraction),获取精细的冬小麦空间分布数据。WWRSE模型利用RefineNet网络提取像素的语义特征,使用改进的SoftMax模型生成像素的类别概率向量;以类别概率向量的最大分量与次大分量的差值作为置信度,根据置信度将类别概率向量分为可信和不可信两组,可信组直接使用最大分量对应的类别标签作为相应像素的分类结果;结合最大后验概率模型确定不可信组像素的分类结果。利用随机梯度法对WWRSE模型进行训练。选择SegNet、DeepLab、RefineNet作为对比模型进行实验,WWRSE提取结果的精度为92.9%,比SegNet提高了13.8%,比DeepLab提高了10.9%,比RefineNet提高了8.6%。实验结果表明WWRSE模型在提取冬小麦空间分布数据方面具有一定的优势。WWRSE模型提取的结果能够为大范围冬小麦种植面积统计提供依据。 展开更多
关键词 高分二号 卷积神经网络 RefineNet模型 最大后验概率模型 冬小麦 空间分布 章丘
原文传递
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部