基于超像素标注的遥感图像的分割与识别方法.pdf
一只****呀盟
在线预览结束,喜欢就下载吧,查找使用更方便
相关资料
基于超像素标注的遥感图像的分割与识别方法.pdf
本发明提供的是一种基于超像素标注的遥感图像的分割与识别方法。利用超像素分割算法对遥感图像进行过分割,获得超像素分割结果,对超像素块进行类别标注,获得学习样本。然后提取超像素样本的视觉特征,以其标注结果为教师信号用分类器对这些学习样本进行训练,并保存训练好的分类器信息。对待分析的遥感图像进行过分割获得超像素结果,对每个超像素提取视觉特征后送入分类器进行分类,在每个超像素块都获得了类别标记后,合并相同类别标记的超像素块,即待分析图像的所有区域都得到了类别信息。本发明避免了直接对遥感图像进行分割,极大程度上的保
基于超像素与分水岭的遥感图像深度学习分割方法及系统.pdf
本发明公开了一种基于超像素与分水岭的遥感图像深度学习分割方法及系统,通过利用超像素分割算法对遥感图像进行超像素分割,输出超像素分割结果图;利用语义分割类卷积神经网络对遥感图像进行地物分割,输出地物分割结果图;将每个超像素块的几何中心定义为种子点的位置,结合输出的超像素分割图和地物分割结果图,逐个统计计算超像素块内不同地物类别标签的占比数量,取占比最大的地物类别标签作为该超像素块种子点类别;将定义的种子点作为输入参数,利用分水岭算法对遥感图像进行地物分割,输出相同尺寸的地物分割效果图。本发明有效提高遥感图像
基于超像素分割的图像差异区域检测方法.pdf
本发明公开了一种基于超像素分割的图像差异区域检测方法,包括S1,利用sift算法对要比较的图像进行配准,使其变化到同一平面下,并将对应点的坐标一一对应;S2,通过高斯函数构建出源图像和目标图像各自的图像金字塔;S3,抽取目标图像金字塔最顶层的第一张图像,对其进行SLIC处理,将图片分割为多个信息相对一致的子区域;S4,对每个子区域进行差异化判别:对于每一个子区域的像素计算其梯度的大小、方向以及颜色信息,并将这3个维度信息与对应像素进行作差比较。本发明利用SLIC算法对图像进行区域聚类,以聚类的区域作为图像
一种基于PCBA的超像素图像分割方法.pdf
本发明公开了一种基于PCBA的超像素图像分割方法,包括:获取原始图像;提升原始图像的对比度得到输入图像;计算输入图像的显著值并生成显著图;对显著图进行超像素分割,并获取超像素标签;基于超像素标签创建超像素图像,超像素图像中的每个像素的像素值为对应超像素块的平均灰度值;基于最佳分割阈值将原始图像分割为目标区域和背景区域,生成由目标区域与背景区域组成的分割图。针对PCBA颜色信息简单,没有包含复杂的背景信息的特点,本发明在进行最终的分割之前,先利用超像素标签生成超像素图像,这样,既保留了原图的边缘等重要信息,
一种基于图像颜色和密度特征的超像素分割方法.pdf
本发明提供了一种基于图像颜色和密度特征的超像素分割方法,首先对图像进行RGB到CIELAB色空间的转换,再对像素进行聚类与合并处理。聚类参考了像素的颜色和密度值,然后进行超像素的合并处理,包括合并弱边界处的小超像素和颜色纹理属性相似的的超像素,得到了具有边界贴合度与规则度良好的超像素分割图像。本发明为了提高像素分割目标边界的贴合度、块规则度,也提供了一种观察分割图像的方法;通过去除分割图像的干扰颜色信息,保留图像纹理特征,可以直观的观察图像的分割质量,也加便于对图像进行评价。本发明可实现较好的分割效果,尤