图像纹理基元分类的马尔柯夫随机场方法

郑肇葆, 潘励, 郑宏

郑肇葆, 潘励, 郑宏. 图像纹理基元分类的马尔柯夫随机场方法[J]. 武汉大学学报 ( 信息科学版), 2017, 42(4): 463-467. DOI: 10.13203/j.whugis20150615
引用本文: 郑肇葆, 潘励, 郑宏. 图像纹理基元分类的马尔柯夫随机场方法[J]. 武汉大学学报 ( 信息科学版), 2017, 42(4): 463-467. DOI: 10.13203/j.whugis20150615
ZHENG Zhaobao, PAN Li, ZHENG Hong. A Method of Image Texture Texton Classification with Markov Random Field[J]. Geomatics and Information Science of Wuhan University, 2017, 42(4): 463-467. DOI: 10.13203/j.whugis20150615
Citation: ZHENG Zhaobao, PAN Li, ZHENG Hong. A Method of Image Texture Texton Classification with Markov Random Field[J]. Geomatics and Information Science of Wuhan University, 2017, 42(4): 463-467. DOI: 10.13203/j.whugis20150615

图像纹理基元分类的马尔柯夫随机场方法

基金项目: 

国家973计划 No.2012CB719905

详细信息
    作者简介:

    郑肇葆,教授,博士生导师,主要从亊摄影测量与遥感、图像分析与解译及进化计算应用研究。zhengzb@whu.edu.cn

  • 中图分类号: P231

A Method of Image Texture Texton Classification with Markov Random Field

Funds: 

The Major State Basic Research Development Program of China No.2012CB719905

More Information
    Author Bio:

    ZHENG Zhaobao, professor, PhD supervisor, specializes in photogrammetry and remote sensing, image analysis and interpretation,and the application of evolutionary computation . E-mail:zhengzb@whu.edu.cn

  • 摘要: 提出基于马尔柯夫随机场(MRF)的图像纹理基元分类新方法。利用MRF里中心像元特征值与邻近像元特征值之间的约束关系,反映图像纹理基元的特征以及不同的MRF参数。根据由同一类别的图像求得的MRF参数计算出的标准差最小这一性质来进行图像纹理的分类。通过不同实验方案的对比,以及与不同分类方法的比较,证实提出的图像纹理基元分类方法具有一定的优势。
    Abstract: In this article a new method based on MRF to classify image texture texton has been put forward. The constraint relationship between the center pixel feature value and the neighbor pixels feature value in MRF can reflect the features of image texture texton as well as different MRF parameters. Standard deviation based on the MRF parameter of the same category is the smallest. So we can use this property to classify image texture. By comparing the different experimental scheme and different classification method, we can come to the conclusion that the method of image texture element classification proposed in this paper has certain advantages, and it is a good methold of image classification.
  • 图  1   五阶MRF

    Figure  1.   Five Order MRF

    图  2   五阶MRF略图

    Figure  2.   Thumbnail of Five Order MRF

    表  1   三幅图像的标准差σ

    Table  1   The Standard Deviation of Three Images

    居民地/10-2 水田/10-2 灌木/10-2
    第一幅 6.652 6.680 7.602
    第二幅 6.673 6.662 7.501
    第三幅 7.128 6.553 7.929
    下载: 导出CSV

    表  2   5类不同地物采用的样本数/幅

    Table  2   Five Kinds of Objects with Different Samples\

    居民地 水田 山地 河流 灌木
    第一方案 17 13 16 30 46
    第二方案 11 7 11 18 26
    下载: 导出CSV

    表  3   两个不同样本方案分类的结果

    Table  3   Two Different Sample Classification Results

    第一组合 第二组合 第三组合 第四组合
    第一方案 第二方案 第一方案 第二方案 第一方案 第二方案 第一方案 第二方案
    水田 山地 水田 山地 居民地 居民地 河流 河流 灌木 灌木
    13/13=1 20/20=1 13/13=1 19/20=0.95 18/21=0.86 18/21=0.86 35/35=1 33/35=0.94 52/52=1 52/52=1
    下载: 导出CSV

    表  4   图像纹理基元分类MRF方法与其他方法图像分类结果比较

    Table  4   Comparing the Results of Image Texture Element Classification Method MRF and Other Method

    居民地 水田 山地 河流 灌木
    GA能量模板[5] 0.82 0.85 0.76 0.84
    BN+ANT模板[7] 1.00 0.85 0.90 1.00
    王后模板[8] 1.00 0.77 0.95 0.94 0.89
    本文MRF方法 0.86 1.00 1.00 1.00 1.00
    下载: 导出CSV
  • [1]

    Xie Jin, Zhang Lei, You Jane. Effective Texture Classification by Texton Encoding Induced Statistical Features[J]. Pattern Recognition, 2015, 48:447-457 doi: 10.1016/j.patcog.2014.08.014

    [2]

    Yousra J, Muhammad M K. Image Textture Classification Using Texton[C]. The 7th International Conference on Emerging Technologies (ICET), Islamabad, Pakistan, 2011

    [3]

    Manik V, Andrew Z. Texture Classification:Are Filter Banks Necessary?[C]. The IEEE Conference on Computer Vision and Pattern Recognition (CVPR), Madison, Wisconsin, 2003

    [4] 郑肇葆. 图像分析的马尔柯夫随机场方法[M]. 武汉:武汉测绘科技大学出版社, 2000

    Zheng Zhaobao. Markov Random Field Method for Image Analysis[M].Wuhan:Wuhan Survey Technology University Press,2000

    [5] 郑肇葆, 郑宏. 产生纹理"Tuned"模板的遗传算法[J]. 模式识别与人工智能, 2001, 14(1):119-122 http://www.cnki.com.cn/Article/CJFDTOTAL-MSSB200101024.htm

    Zheng Zhaobao, Zheng Hong. Genetic Algorithm For Producing Texture "Tuned" Masks[J]. Pattern Recognition and Artificial Intelligence, 2001, 14(1):119-122 http://www.cnki.com.cn/Article/CJFDTOTAL-MSSB200101024.htm

    [6] 郑肇葆, 黄桂兰. 航空影像纹理分类的最小二乘法和问题分析[J]. 测绘学报, 1996,25(2), 21-26 http://www.cnki.com.cn/Article/CJFDTOTAL-CHXB602.006.htm

    Zheng Zhaobao, Huang Guilan. Using Least Square Method for Texture Classification of Aerial Image and Analyzing Some Relative[J]. Acta Geodaetica et Cartographica Sinica,1996, 25(2):21-26 http://www.cnki.com.cn/Article/CJFDTOTAL-CHXB602.006.htm

    [7] 郑肇葆, 潘励, 虞欣. 产生"Tuned"模板的Bayesian Networks方法[J]. 武汉大学学报·信息科学版, 2006,31(4):304-307 http://ch.whu.edu.cn/CN/abstract/abstract2426.shtml

    Zheng Zhaobao,Pan Li, Yu Xin. Bayesian Networks for Producing Texture "Tuned" Masks[J]. Geomatics and Information Science of Wuhan University, 2006, 31(4):304-307 http://ch.whu.edu.cn/CN/abstract/abstract2426.shtml

    [8] 郑肇葆. 产生最佳"Tuned"模板的蜜蜂交配算法[J].武汉大学学报[DK]·信息科学报, 2009,34(4):387-390 http://www.cnki.com.cn/Article/CJFDTOTAL-WHCH200904003.htm

    Zheng Zhaobao. Honey-bee Mating Optimization Algorithm for Producing Better "Tuned" Mask[J].Geomatics and Information Science of Wuhan University, 2009, 34(4):387-390 http://www.cnki.com.cn/Article/CJFDTOTAL-WHCH200904003.htm

  • 期刊类型引用(30)

    1. 刘焱雄,陈义兰,杨龙,高珊. 基于测绘学角度探讨海岸线及其测定方法. 海洋科学进展. 2024(03): 425-436 . 百度学术
    2. 王继鹏,金云智,辛忠华,吉才宇,郭龙. 基于PSO-BP的北斗卫星导航海底高程拟合技术的研究. 天然气与石油. 2024(06): 153-160 . 百度学术
    3. 付五洲,许宝华,陆彬,李涛. 重力场模型在长江口岛礁垂直基准建立中的应用. 现代测绘. 2023(04): 57-60 . 百度学术
    4. 王双喜,肖强,孙雪洁. 复杂海域高精度海底地形测量关键问题研究. 海洋技术学报. 2022(01): 7-12 . 百度学术
    5. 周颖,王瑞. 远海PPK测量潮位用于深度基准面计算的研究. 港工技术. 2022(02): 23-26 . 百度学术
    6. 柯灝,赵建虎,周丰年,吴敬文,暴景阳,赵祥伟,谢朋朋. 联合大地水准面、海面地形和潮波运动数值模拟的长江口陆海垂直基准转换关系. 武汉大学学报(信息科学版). 2022(05): 731-737+746 . 百度学术
    7. 单瑞,李浩军,刘慧敏,赵钊,董凌宇,杜凯. GNSS PPP/INS紧组合模式下的远海无验潮水深测量. 海洋地质前沿. 2022(10): 87-93 . 百度学术
    8. 张颖,闫玉茹,章家保,李静,裘露露. 潮滩冲淤观测技术发展现状. 海洋科学. 2021(03): 152-162 . 百度学术
    9. 王森,刘立龙,黄良珂,周威. 基于潮汐调和分析的全球定位系统-多路径反射测量技术潮位预报. 科学技术与工程. 2021(09): 3481-3486 . 百度学术
    10. 魏荣灏,陈佳兵,徐达. 基于PPK无验潮的水下地形测量技术研究. 海洋技术学报. 2021(01): 57-62 . 百度学术
    11. 王挺,王萃. GNSS-PPK在远距离潮位观测的应用研究. 江西测绘. 2021(04): 8-11 . 百度学术
    12. 王正杰,王峰,吴自银,曹振轶,罗孝文,李守军. 基于GPS PPK技术确定测深点瞬时潮位及分析. 海洋技术学报. 2020(02): 58-63 . 百度学术
    13. 王小刚,赵薛强,许军. 珠江口瞬时水位解算方法研究及应用. 水利水电技术. 2020(11): 117-124 . 百度学术
    14. 梁冠辉,陶常飞,周兴华,周东旭,王朝阳. 新型远距离验潮系统集成设计与研制. 海洋科学进展. 2019(01): 129-139 . 百度学术
    15. 王智明,孙月文. 无验潮模式下的宁波杭州湾水下地形测量. 城市勘测. 2019(02): 157-159 . 百度学术
    16. 陈正伟,韩磊. 基于高精度GNSS定位解算及姿态数据获取潮位研究. 海洋技术学报. 2019(05): 55-59 . 百度学术
    17. 李梦昊,王胜利,高兴国,陈冠旭,刘焱雄. 基于混合编程的实时精密单点定位方法. 海岸工程. 2018(01): 66-73 . 百度学术
    18. 黄辰虎,陆秀平,边刚,黄贤源,管明雷,翟国君,黄谟涛. 中短期验潮站验潮零点不规则漂移精密处理. 武汉大学学报(信息科学版). 2018(11): 1673-1680 . 百度学术
    19. Yuanxi YANG,Tianhe XU,Shuqiang XUE. Progresses and Prospects of Marine Geodetic Datum and Marine Navigation in China. Journal of Geodesy and Geoinformation Science. 2018(01): 16-24 . 必应学术
    20. 臧建飞,范士杰,易昌华,秦学彬,华亮,麻德明. 实时精密单点定位的远海实时GPS潮汐观测. 测绘科学. 2017(06): 155-160 . 百度学术
    21. 臧建飞,范士杰,易昌华,秦学彬,陈冠旭,华亮. 远海实时GPS潮汐的实时精密单点定位观测. 测绘科学. 2017(08): 79-84 . 百度学术
    22. 杨元喜,徐天河,薛树强. 我国海洋大地测量基准与海洋导航技术研究进展与展望. 测绘学报. 2017(01): 1-8 . 百度学术
    23. 赵建虎,欧阳永忠,王爱学. 海底地形测量技术现状及发展趋势. 测绘学报. 2017(10): 1786-1794 . 百度学术
    24. 王朝阳,周兴华,李延刚,梁冠辉,付延光. 远距离GNSS潮位测量精度的影响因素研究. 海洋技术学报. 2017(03): 1-6 . 百度学术
    25. 辛保稳,李友龙. GPS PPK技术在海底地形测量中的应用. 科技展望. 2017(18): 161 . 百度学术
    26. 杨涛,葛俊洁,李路. GPS测量技术及其在工程测量中的应用. 电子测试. 2016(06): 126+125 . 百度学术
    27. 暴景阳,翟国君,许军. 海洋垂直基准及转换的技术途径分析. 武汉大学学报(信息科学版). 2016(01): 52-57 . 百度学术
    28. 周东旭,周兴华,梁冠辉,王朝阳,杨磊. GPS浮标天线高的动态标定方法. 测绘科学. 2015(12): 121-124 . 百度学术
    29. 赵建虎,王爱学. 精密海洋测量与数据处理技术及其应用进展. 海洋测绘. 2015(06): 1-7 . 百度学术
    30. 赵元元,殷行. 土地测量中GPS实时动态技术的应用研究. 价值工程. 2015(20): 161-162 . 百度学术

    其他类型引用(6)

图(2)  /  表(4)
计量
  • 文章访问数: 
  • HTML全文浏览量: 
  • PDF下载量: 
  • 被引次数: 36
出版历程
  • 收稿日期:  2016-09-25
  • 发布日期:  2017-04-04

目录

    /

    返回文章
    返回