遥感影像居民地目标Bayesian网络识别算法研究

美国《工程索引》（EI）核心期刊
美国《剑桥科学文摘》（CSA）收录期刊
荷兰斯高帕斯数据库（Scopus）收录期刊
英国INSPEC数据库（SA）收录期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

遥感影像居民地目标Bayesian网络识别算法研究

潘励, 王华, 张剑清

文章导航 > 武汉大学学报 ● 信息科学版 > 2007 > 32(12): 1103-1106

潘励, 王华, 张剑清. 遥感影像居民地目标Bayesian网络识别算法研究[J]. 武汉大学学报 ● 信息科学版, 2007, 32(12): 1103-1106.

引用本文:

潘励, 王华, 张剑清. 遥感影像居民地目标Bayesian网络识别算法研究[J]. 武汉大学学报 ● 信息科学版, 2007, 32(12): 1103-1106.

PAN Li, WANG Hua, ZHANG Jianqing. Residential Areas Detection on Panchromatic Remote Sensing Images Based on Nave Bayesian Networks[J]. Geomatics and Information Science of Wuhan University, 2007, 32(12): 1103-1106.

Citation:

PAN Li, WANG Hua, ZHANG Jianqing. Residential Areas Detection on Panchromatic Remote Sensing Images Based on Nave Bayesian Networks[J]. Geomatics and Information Science of Wuhan University, 2007, 32(12): 1103-1106.

遥感影像居民地目标Bayesian网络识别算法研究

¹ 武汉大学遥感信息工程学院,武汉市珞喻路129号,430079

基金项目: 国家科技支撑计划重点资助项目(2006BAB10B01)

作者简介:
潘励,副教授,博士,研究方向为影像解译和变化检测。

中图分类号: P237.3

Residential Areas Detection on Panchromatic Remote Sensing Images Based on Nave Bayesian Networks

¹ School of Remote Sensing and Information Engineering,Wuhan University,129 Luoyu Road,Wuhan 430079,China

Funds: 国家科技支撑计划重点资助项目(2006BAB10B01)

摘要: 利用Nave Bayesian网络的学习和推理机制,提出一种在遥感影像上提取居民地目标的方法。该方法通过对所选取的正负样本进行学习,获取Bayesian网络的重要参数,即条件概率和概率分布密度。在此基础上,根据正负样本所构建的条件概率网,对未知类别信息的影像进行分类,从而获取居民地目标的信息。通过对实际全色SPOT5影像中居民地目标的提取,表明该方法具有较高的识别率。
- Nave贝叶斯网络 /
- 居民地 /
- 遥感影像
Abstract: The method is proposed to extract the residential areas on panchromatic remote sensing images based on Na ve Bayesian network.In this procedure,the conditional probabilities and prior probabilities are obtained from learning the positive and negative samples.On the basic,unknown regions that have not the category information will be classified into residential areas and non-residential areas by learning probability network.Experimental results of extracted residential areas on the images of SPOT5 are presented to illustrate the merit and feasibility.
- Na ve Bayesian network /
- residential area /
- remote sensing image

[1]	眭海刚, 冯文卿, 李文卓, 孙开敏, 徐川. 多时相遥感影像变化检测方法综述 . 武汉大学学报 ● 信息科学版, 2018, 43(12): 1885-1898. doi: 10.13203/j.whugis20180251
[2]	李靖涵, 武芳, 翟仁健, 巩现勇. 居民地增量更新中拓扑冲突自动检测方法研究 . 武汉大学学报 ● 信息科学版, 2017, 42(3): 408-413. doi: 10.13203/j.whugis20140562
[3]	倪欢, 林祥国, 宁晓刚. 直角点特征引导的遥感影像居民地提取方法 . 武汉大学学报 ● 信息科学版, 2017, 42(5): 648-655. doi: 10.13203/j.whugis20140825
[4]	魏立飞, 钟燕飞, 张良培, 李平湘. 多波段信息融合的遥感影像变化检测 . 武汉大学学报 ● 信息科学版, 2014, 39(1): 8-11.
[5]	许俊奎, 武芳, 刘文甫, 金朋飞. 利用邻域相似性的居民地要素增量更新质量评估 . 武汉大学学报 ● 信息科学版, 2014, 39(4): 476-480. doi: 10.13203/j.whugis20120117
[6]	许俊奎, 武芳, 钱海忠, 马芳博. 一种空间关系相似性约束的居民地匹配算法 . 武汉大学学报 ● 信息科学版, 2013, 38(4): 484-485.
[7]	姬存伟, 武芳, 巩现勇, 焦洋洋. 居民地要素增量信息表达模型研究 . 武汉大学学报 ● 信息科学版, 2013, 38(7): 857-861.
[8]	高光大, 任娜, 王永志, 朱长青. 利用影像重定位和遍历检测的遥感影像水印算法 . 武汉大学学报 ● 信息科学版, 2012, 37(10): 1229-1231.
[9]	施蓓琦, 刘春, 陈能, 孙伟伟. 利用高光谱遥感影像纹理滤波的城市居民地识别 . 武汉大学学报 ● 信息科学版, 2012, 37(8): 915-920.
[10]	刘进, 孙婧, 徐正全, 姚晔. 面向遥感影像内容的多级安全授权方法 . 武汉大学学报 ● 信息科学版, 2010, 35(9): 1096-1099.
[11]	王连备, 贲进. 基于SOA的遥感影像共享架构研究 . 武汉大学学报 ● 信息科学版, 2010, 35(11): 1314-1317.
[12]	陶建斌, 舒宁, 沈照庆. 利用互信息改进遥感影像朴素贝叶斯网络分类器 . 武汉大学学报 ● 信息科学版, 2010, 35(2): 228-232.
[13]	潘励, 王华. 利用拓扑关系模型自动检测居民地的变化类型 . 武汉大学学报 ● 信息科学版, 2009, 34(3): 301-303.
[14]	张剑清, 佘琼, 潘励. 基于LBP/C纹理的遥感影像居民地变化检测 . 武汉大学学报 ● 信息科学版, 2008, 33(1): 7-11.
[15]	潘励, 张志华, 张剑清. 融合区域分割和边缘信息的居民地提取方法 . 武汉大学学报 ● 信息科学版, 2006, 31(8): 671-674.
[16]	宋鹰, 何宗宜, 粟卫民. 基于Rough集的居民地属性知识约简与结构化选取 . 武汉大学学报 ● 信息科学版, 2005, 30(4): 329-332.
[17]	张剑清, 张勇, 郑顺义, 张宏伟. 高分辨率遥感影像的精纠正 . 武汉大学学报 ● 信息科学版, 2004, 29(11): 994-998.
[18]	苏俊英, 曹辉, 张剑清. 高分辨率遥感影像上居民地半自动提取研究 . 武汉大学学报 ● 信息科学版, 2004, 29(9): 791-795.
[19]	熊兴华, 李新涛. 面向对象的遥感影像模糊增强 . 武汉大学学报 ● 信息科学版, 2002, 27(5): 516-521,542.
[20]	张景雄. 遥感影像的全模糊监督分类 . 武汉大学学报 ● 信息科学版, 1998, 23(3): 211-214.

WeChat

点击查看大图

计量

文章访问数: 527
HTML全文浏览量: 21
PDF下载量: 267
被引次数: 0

遥感影像居民地目标Bayesian网络识别算法研究

¹ 武汉大学遥感信息工程学院,武汉市珞喻路129号,430079

基金项目: 国家科技支撑计划重点资助项目(2006BAB10B01)

作者简介:
潘励,副教授,博士,研究方向为影像解译和变化检测。

收稿日期: 2007-09-22
修回日期: 2007-09-22
刊出日期: 2007-12-05

中图分类号: P237.3

关键词:

Nave贝叶斯网络 /

摘要: 利用Nave Bayesian网络的学习和推理机制,提出一种在遥感影像上提取居民地目标的方法。该方法通过对所选取的正负样本进行学习,获取Bayesian网络的重要参数,即条件概率和概率分布密度。在此基础上,根据正负样本所构建的条件概率网,对未知类别信息的影像进行分类,从而获取居民地目标的信息。通过对实际全色SPOT5影像中居民地目标的提取,表明该方法具有较高的识别率。

English Abstract

潘励, 王华, 张剑清. 遥感影像居民地目标Bayesian网络识别算法研究[J]. 武汉大学学报 ● 信息科学版, 2007, 32(12): 1103-1106.

引用本文:

潘励, 王华, 张剑清. 遥感影像居民地目标Bayesian网络识别算法研究[J]. 武汉大学学报 ● 信息科学版, 2007, 32(12): 1103-1106.

PAN Li, WANG Hua, ZHANG Jianqing. Residential Areas Detection on Panchromatic Remote Sensing Images Based on Nave Bayesian Networks[J]. Geomatics and Information Science of Wuhan University, 2007, 32(12): 1103-1106.

Citation:

PAN Li, WANG Hua, ZHANG Jianqing. Residential Areas Detection on Panchromatic Remote Sensing Images Based on Nave Bayesian Networks[J]. Geomatics and Information Science of Wuhan University, 2007, 32(12): 1103-1106.

全文HTML

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回

我要投稿

投稿攻略

联系我们

二维码