利用主题模型的遥感图像场景分类

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

利用主题模型的遥感图像场景分类

徐侃, 杨文, 陈丽君, 孙洪

文章导航 > 武汉大学学报 ( 信息科学版) > 2011 > 36(5): 540-543

徐侃, 杨文, 陈丽君, 孙洪. 利用主题模型的遥感图像场景分类[J]. 武汉大学学报 ( 信息科学版), 2011, 36(5): 540-543.

引用本文:

徐侃, 杨文, 陈丽君, 孙洪. 利用主题模型的遥感图像场景分类[J]. 武汉大学学报 ( 信息科学版), 2011, 36(5): 540-543.

XU Kan, YANG Wen, CHEN Lijun, SUN Hong. Satellite Image Scene Categorization Based on Topic Models[J]. Geomatics and Information Science of Wuhan University, 2011, 36(5): 540-543.

Citation:

XU Kan, YANG Wen, CHEN Lijun, SUN Hong. Satellite Image Scene Categorization Based on Topic Models[J]. Geomatics and Information Science of Wuhan University, 2011, 36(5): 540-543.

利用主题模型的遥感图像场景分类

¹武汉大学电子信息学院,武汉市珞喻路129号430079

基金项目: 国家自然科学基金资助项目(40801183,60890074)

作者简介:
徐侃,博士生,现从事图像处理、机器视觉的研究。

中图分类号: P237.4

Satellite Image Scene Categorization Based on Topic Models

¹ School of Electronic Information,Wuhan University,129 Luoyu Road,Wuhan 430079,China

Funds: 国家自然科学基金资助项目(40801183,60890074)

摘要: 提出了一种基于主题模型与特征组合相结合的遥感图像分类方法。该方法首先对图像进行尺度不变特征变换(SIFT)、几何模糊特征(GB)和颜色直方图特征(CH)提取,接着利用潜在概率语义分析(pLSA)模型分别对所得到的图像特征进行潜在主题的挖掘,然后对所得到的主题概率特征进行组合,最后利用支持向量机(SVM)分类器进行场景分类。实验表明,与传统分类方法相比,主题模型更具优势;与使用单特征相比,特征组合具有更高的分类准确率。
- 场景分类 /
- 特征组合 /
- pLSA模型 /
- 支持向量机
Abstract: We present a scene classification method for satellite images based on the topic model-probabilistic latent semantic analysis(pLSA) and feature-combination.Firstly,three kinds of features(SIFT,geometric blur and colorhistogram) are extracted from images.Then,we apply the the pLSA model on these image features to obtain the probabilities of latent topics which will be combined subsequently.Finally,we implement SVM classification based on these probability features.The experimental results on the 12-category dataset show that our proposed method performs better in scene classification.
- image categorization /
- feature-combination /
- pLSA model /
- SVM

[1]	徐胜华, 刘纪平, 王想红, 张玉, 林荣福, 张蒙, 刘猛猛, 姜涛. 熵指数融入支持向量机的滑坡灾害易发性评价方法—以陕西省为例 . 武汉大学学报 ( 信息科学版), 2020, 45(8): 1214-1222. doi: 10.13203/j.whugis20200109
[2]	段佩祥, 钱海忠, 何海威, 谢丽敏, 罗登瀚. 基于支持向量机的线化简方法 . 武汉大学学报 ( 信息科学版), 2020, 45(5): 744-752, 783. doi: 10.13203/j.whugis20180434
[3]	祝胜男, 郭炜炜, 柳彬, 张增辉, 郁文贤. 利用超像素级上下文特征进行靠岸集装箱船检测 . 武汉大学学报 ( 信息科学版), 2019, 44(4): 578-585. doi: 10.13203/j.whugis20170129
[4]	鲍蕊, 薛朝辉, 张像源, 苏红军, 杜培军. 综合聚类和上下文特征的高光谱影像分类 . 武汉大学学报 ( 信息科学版), 2017, 42(7): 890-896. doi: 10.13203/j.whugis20150043
[5]	马超, 孙群, 陈换新, 温伯威. 利用路段分类识别复杂道路交叉口 . 武汉大学学报 ( 信息科学版), 2016, 41(9): 1232-1237. doi: 10.13203/j.whugis20160073
[6]	李粉玲, 常庆瑞, 刘佳岐, 刘京. 基于多纹理和支持向量机的ZY-102C星HR数据分类 . 武汉大学学报 ( 信息科学版), 2016, 41(4): 455-461,486. doi: 10.13203/j.whugis20140356
[7]	王凯, 舒宁, 孔祥兵, 李亮. 一种多特征转换的高光谱影像自适应分类方法 . 武汉大学学报 ( 信息科学版), 2015, 40(5): 612-616. doi: 10.13203/j.whugis20130384
[8]	李增科, 王坚, 高井祥, 谭兴龙. 利用SVM的GPS/INS组合导航滤波发散抑制方法研究 . 武汉大学学报 ( 信息科学版), 2013, 38(10): 1216-1220.
[9]	彭令, 牛瑞卿, 赵艳南, 邓清禄. 基于核主成分分析和粒子群优化支持向量机的滑坡位移预测 . 武汉大学学报 ( 信息科学版), 2013, 38(2): 148-152,161.
[10]	武雪玲, 任福, 牛瑞卿, 彭令. 斜坡单元支持下的滑坡易发性评价支持向量机模型 . 武汉大学学报 ( 信息科学版), 2013, 38(12): 1499-1503.
[11]	巫兆聪, 欧阳群东, 胡忠文. 应用分水岭变换与支持向量机的极化SAR图像分类 . 武汉大学学报 ( 信息科学版), 2012, 37(1): 7-10.
[12]	杨柳, 刘艳芳. 将微粒群和支持向量机用于耕地驱动因子选择的研究 . 武汉大学学报 ( 信息科学版), 2010, 35(2): 248-251.
[13]	范千, 花向红. 基于相空间重构与支持向量机预测滑坡位移的一种新方法 . 武汉大学学报 ( 信息科学版), 2009, 34(2): 248-251.
[14]	熊华, 刘耀林, 车珊珊, 张俊峰. 基于支持向量机的土地利用变化模拟模型 . 武汉大学学报 ( 信息科学版), 2009, 34(3): 366-369.
[15]	王新洲, 范千, 许承权, 李昭. 基于小波变换和支持向量机的大坝变形预测 . 武汉大学学报 ( 信息科学版), 2008, 33(5): 469-471.
[16]	陈刚, 鄂栋臣. 基于纹理分析和支持向量机的极地冰雪覆盖区的云层检测 . 武汉大学学报 ( 信息科学版), 2006, 31(5): 403-406.
[17]	金淑英, 李德仁, 龚健雅. 基于偏最小二乘回归的纹理特征线性组合 . 武汉大学学报 ( 信息科学版), 2006, 31(5): 399-402.
[18]	徐芳, 梅文胜, 燕琴. 支持向量机中遗传模糊C-均值的样本预选取方法 . 武汉大学学报 ( 信息科学版), 2005, 30(10): 921-924.
[19]	梅建新, 段汕, 秦前清. 基于支持向量机的特定目标检测方法 . 武汉大学学报 ( 信息科学版), 2004, 29(10): 912-915,932.
[20]	徐芳, 燕琴. 基于支持向量机的航空影像纹理分类研究 . 武汉大学学报 ( 信息科学版), 2003, 28(5): 517-520.

WeChat

点击查看大图

计量

文章访问数: 1520
HTML全文浏览量: 94
PDF下载量: 676
被引次数: 0

利用主题模型的遥感图像场景分类

¹武汉大学电子信息学院,武汉市珞喻路129号430079

基金项目: 国家自然科学基金资助项目(40801183,60890074)

作者简介:
徐侃,博士生,现从事图像处理、机器视觉的研究。

收稿日期: 2011-03-15
刊出日期: 2011-05-05

中图分类号: P237.4

关键词:

支持向量机

摘要: 提出了一种基于主题模型与特征组合相结合的遥感图像分类方法。该方法首先对图像进行尺度不变特征变换(SIFT)、几何模糊特征(GB)和颜色直方图特征(CH)提取,接着利用潜在概率语义分析(pLSA)模型分别对所得到的图像特征进行潜在主题的挖掘,然后对所得到的主题概率特征进行组合,最后利用支持向量机(SVM)分类器进行场景分类。实验表明,与传统分类方法相比,主题模型更具优势;与使用单特征相比,特征组合具有更高的分类准确率。

English Abstract

徐侃, 杨文, 陈丽君, 孙洪. 利用主题模型的遥感图像场景分类[J]. 武汉大学学报 ( 信息科学版), 2011, 36(5): 540-543.

引用本文:

徐侃, 杨文, 陈丽君, 孙洪. 利用主题模型的遥感图像场景分类[J]. 武汉大学学报 ( 信息科学版), 2011, 36(5): 540-543.

XU Kan, YANG Wen, CHEN Lijun, SUN Hong. Satellite Image Scene Categorization Based on Topic Models[J]. Geomatics and Information Science of Wuhan University, 2011, 36(5): 540-543.

Citation:

XU Kan, YANG Wen, CHEN Lijun, SUN Hong. Satellite Image Scene Categorization Based on Topic Models[J]. Geomatics and Information Science of Wuhan University, 2011, 36(5): 540-543.

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