基于高斯混合模型的遥感影像半监督分类

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

基于高斯混合模型的遥感影像半监督分类

熊彪, 江万寿, 李乐林

文章导航 > 武汉大学学报 ● 信息科学版 > 2011 > 36(1): 108-112

熊彪, 江万寿, 李乐林. 基于高斯混合模型的遥感影像半监督分类[J]. 武汉大学学报 ● 信息科学版, 2011, 36(1): 108-112.

引用本文:

熊彪, 江万寿, 李乐林. 基于高斯混合模型的遥感影像半监督分类[J]. 武汉大学学报 ● 信息科学版, 2011, 36(1): 108-112.

XIONG Biao, JIANG Wanshou, LI Lelin. Gauss Mixture Model Based Semi-Supervised Classification for Remote Sensing Image[J]. Geomatics and Information Science of Wuhan University, 2011, 36(1): 108-112.

Citation:

XIONG Biao, JIANG Wanshou, LI Lelin. Gauss Mixture Model Based Semi-Supervised Classification for Remote Sensing Image[J]. Geomatics and Information Science of Wuhan University, 2011, 36(1): 108-112.

基于高斯混合模型的遥感影像半监督分类

¹武汉大学测绘遥感信息工程国家重点实验室,武汉市珞喻路129号430079

基金项目: 国家863计划资助项目(2007AA120203)，遥感科学国家重点实验室开放研究基金资助项目

作者简介:
熊彪,博士生。主要研究方向为遥感图像处理、智能信息提取。

中图分类号: P237.4

Gauss Mixture Model Based Semi-Supervised Classification for Remote Sensing Image

¹ State Key Laboratory of Information Engineering in Surveying,Mapping and Remote Sensing,Wuhan University,129 Luoyu Road,Wuhan 430079,China

Funds: 国家863计划资助项目(2007AA120203)，遥感科学国家重点实验室开放研究基金资助项目

摘要: 提出了对每一类地物的光谱特征用一个高斯混合模型(Gauss mixture model,GMM)描述的新思路,并应用在半监督分类(semi-supervised classification)中。实验证明,本方法只需少量的标定数据即可达到其他监督分类方法(如支持向量机分类、面向对象分类)的精度,具有较好的应用价值。
- 遥感影像分类 /
- 半监督分类 /
- 高斯混合模型
Abstract: Semi-Supervised Classification,which utilizes few labeled data assigned with unlabeled data to determine classification borders,has great advantages in extracting classification information from mass data.We find Gauss mixture can well fit the remote sensing image's spectral feature space,proposed a novel thought in which each class's feature space is described by one Gauss Mixture Model,and then use the thought in Semi-Supervised Classification.A large number of experiences shows that by using a small amount of label samples,the method proposed in this paper can achieve as good classification accuracy as other supervised classification methods(such as Support Vector Machine Classification,Object Oriented Classification),which need large amount of label samples,and so has a strong application value.
- classification of RS image /
- semi-supervised classification /
- Gauss mixture model

[1]	季顺平, 田思琦, 张驰. 利用全空洞卷积神经元网络进行城市土地覆盖分类与变化检测 . 武汉大学学报 ● 信息科学版, 2020, 45(2): 233-241. doi: 10.13203/j.whugis20180481
[2]	庄会富, 邓喀中, 余美, 范洪冬. 结合KI准则和逆高斯模型的SAR影像非监督变化检测 . 武汉大学学报 ● 信息科学版, 2018, 43(2): 282-288. doi: 10.13203/j.whugis20160079
[3]	王春艳, 刘佳新, 徐爱功, 王玉, 隋心. 一种新的高分辨率遥感影像模糊监督分类方法 . 武汉大学学报 ● 信息科学版, 2018, 43(6): 922-929. doi: 10.13203/j.whugis20150726
[4]	孙文舟, 殷晓冬, 李树军. 基于熵权重的水下载体导航信息融合方法 . 武汉大学学报 ● 信息科学版, 2018, 43(10): 1465-1471. doi: 10.13203/j.whugis20160550
[5]	黄为, 李永刚, 汪毅, 张龙. 基于空间共现核的遥感影像分类 . 武汉大学学报 ● 信息科学版, 2017, 42(7): 884-889. doi: 10.13203/j.whugis20150099
[6]	康一飞, 潘励, 孙明伟, 陈奇, 王越. 基于高斯混合模型法的国产高分辨率卫星影像云检测 . 武汉大学学报 ● 信息科学版, 2017, 42(6): 782-788. doi: 10.13203/j.whugis20140875
[7]	许凯, 秦昆, 刘修国, 李登朝. 高斯混合模型云变换算法及其在图像分割中的应用 . 武汉大学学报 ● 信息科学版, 2013, 38(10): 1163-1166.
[8]	王琰, 舒宁, 龚龑. 利用马尔柯夫随机场图模型的变化像斑类别判定方法 . 武汉大学学报 ● 信息科学版, 2012, 37(5): 542-545.
[9]	郑文武, 曾永年. 利用多分类器集成进行遥感影像分类 . 武汉大学学报 ● 信息科学版, 2011, 36(11): 1290-1293.
[10]	陶建斌, 舒宁, 龚龑, 沈照庆. 一种基于高斯混合模型的遥感影像有指导非监督分类方法 . 武汉大学学报 ● 信息科学版, 2010, 35(6): 727-732.
[11]	许凯, 秦昆, 杜鹢. 利用决策级融合进行遥感影像分类 . 武汉大学学报 ● 信息科学版, 2009, 34(7): 826-829.
[12]	徐宏根, 马洪超, 宋妍, 贾小霞. 顾及上下文信息的混合广义高斯密度模型遥感影像分类方法研究 . 武汉大学学报 ● 信息科学版, 2008, 33(9): 959-962.
[13]	严勇, 李清泉, 孙久运. 投影寻踪学习网络的遥感影像分类 . 武汉大学学报 ● 信息科学版, 2007, 32(10): 876-879.
[14]	宋杨, 万幼川, 申绍洪, 陈鹏. 基于傅立叶变换的混合分类模型用于NDVI时序影像分析 . 武汉大学学报 ● 信息科学版, 2007, 32(5): 406-409.
[15]	尹淑玲, 舒宁, 刘新华. 基于自适应遗传算法和改进BP算法的遥感影像分类 . 武汉大学学报 ● 信息科学版, 2007, 32(3): 201-204.
[16]	易尧华, 余长慧, 秦前清, 龚健雅. 基于独立分量分析的遥感影像非监督分类方法 . 武汉大学学报 ● 信息科学版, 2005, 30(1): 19-22.
[17]	余鹏, 封举富, 童行伟. 一种新的基于高斯混合模型的纹理图像分割方法 . 武汉大学学报 ● 信息科学版, 2005, 30(6): 514-517.
[18]	黄桂兰, 郑肇葆. 纹理模型法用于影像纹理分类 . 武汉大学学报 ● 信息科学版, 1998, 23(1): 40-42.
[19]	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.
[20]	贾永红, 李德仁. 基于Bayes融合法的多源遥感影像分类 . 武汉大学学报 ● 信息科学版, 1997, 22(3): 246-251.

WeChat

点击查看大图

计量

文章访问数: 901
HTML全文浏览量: 26
PDF下载量: 827
被引次数: 0

基于高斯混合模型的遥感影像半监督分类

¹武汉大学测绘遥感信息工程国家重点实验室,武汉市珞喻路129号430079

基金项目: 国家863计划资助项目(2007AA120203)，遥感科学国家重点实验室开放研究基金资助项目

作者简介:
熊彪,博士生。主要研究方向为遥感图像处理、智能信息提取。

收稿日期: 2010-10-18
刊出日期: 2011-01-05

中图分类号: P237.4

关键词:

遥感影像分类 /

半监督分类 /

高斯混合模型

摘要: 提出了对每一类地物的光谱特征用一个高斯混合模型(Gauss mixture model,GMM)描述的新思路,并应用在半监督分类(semi-supervised classification)中。实验证明,本方法只需少量的标定数据即可达到其他监督分类方法(如支持向量机分类、面向对象分类)的精度,具有较好的应用价值。

English Abstract

熊彪, 江万寿, 李乐林. 基于高斯混合模型的遥感影像半监督分类[J]. 武汉大学学报 ● 信息科学版, 2011, 36(1): 108-112.

引用本文:

熊彪, 江万寿, 李乐林. 基于高斯混合模型的遥感影像半监督分类[J]. 武汉大学学报 ● 信息科学版, 2011, 36(1): 108-112.

XIONG Biao, JIANG Wanshou, LI Lelin. Gauss Mixture Model Based Semi-Supervised Classification for Remote Sensing Image[J]. Geomatics and Information Science of Wuhan University, 2011, 36(1): 108-112.

Citation:

XIONG Biao, JIANG Wanshou, LI Lelin. Gauss Mixture Model Based Semi-Supervised Classification for Remote Sensing Image[J]. Geomatics and Information Science of Wuhan University, 2011, 36(1): 108-112.

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