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

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

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

陶建斌, 舒宁, 龚龑, 沈照庆

文章导航 > 武汉大学学报 ● 信息科学版 > 2010 > 35(6): 727-732

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[J]. 武汉大学学报 ● 信息科学版, 2010, 35(6): 727-732.

引用本文:

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[J]. 武汉大学学报 ● 信息科学版, 2010, 35(6): 727-732.

TAO Jianbin, SHU Ning, GONG Yan, SHEN Zhaoqing. An Instructed Unsupervised Classification Method for Remote Sensing Image Based on Gaussian Mixture Model[J]. Geomatics and Information Science of Wuhan University, 2010, 35(6): 727-732.

Citation:

TAO Jianbin, SHU Ning, GONG Yan, SHEN Zhaoqing. An Instructed Unsupervised Classification Method for Remote Sensing Image Based on Gaussian Mixture Model[J]. Geomatics and Information Science of Wuhan University, 2010, 35(6): 727-732.

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

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973计划资助项目(2006CB701303)

作者简介:
陶建斌,博士生,研究方向为遥感影像智能化解译。

中图分类号: P237.4;TP753

An Instructed Unsupervised Classification Method for Remote Sensing Image Based on Gaussian Mixture Model

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

Funds: 国家973计划资助项目(2006CB701303)

摘要: 提出了一种遥感影像非监督分类的新方法GMM-UC。该方法以有限混合密度理论为基础,认为遥感数据由有限个子高斯分布以一定比例“混合”而成,通过改进EM算法自动确定子高斯分布及其参数,再从中“还原”出各个地物类(各子高斯分别对应一类地物)。实验结果表明,该方法获得了较好的分类效果,一定程度上避免了传统非监督分类方法的缺陷,扩大了非监督方法的应用范围。
- 高斯混合模型 /
- 改进EM算法 /
- 子高斯分布 /
- 遥感影像 /
- 非监督分类
Abstract: We propose a new unsupervised classification method,GMM-UC,for remote sensing image based on Gaussian mixture model.This method is based on the theory of finite mixture model that the remote sensing data is mixed by a finite number of sub Gaussian distributions to a certain percentage.Through the improved EM algorithm,GMM-UC automatically determines the number of sub-Gaussians and its parameters,then restores all land objects (a sub-Gaussian is corresponding with a class of object).The improved EM algorithm solves the problems of high dependence on the initialization parameters and easily converging to the boundary of parameter space in standard EM algorithm effectively.Due to the adaptive design of the number of sub-Gaussian,the EM algorithm can find the shapes of the data distributions in a feature space furthest at a certain range,and the sub-Gaussians and and their mixed distributions is considered optimal.Experiments indicate that this method overcomes the fault of traditional unsupervised classification method to some extent,and expands the application field of it.
- Gaussian mixture model /
- improved EM algorithm /
- sub-Gaussian /
- remote sensing images /
- unsupervised classification

[1]	柴华彬, 严超, 邹友峰, 陈正超. 利用PSP Net实现湖北省遥感影像土地覆盖分类 . 武汉大学学报 ● 信息科学版, 2021, 46(8): 1224-1232. doi: 10.13203/j.whugis20190296
[2]	赵洪臣, 周兴华, 彭聪, 刘永学, 张家发, 陈义兰. 一种去除遥感影像混合噪声的集成BM3D方法 . 武汉大学学报 ● 信息科学版, 2019, 44(6): 925-932. doi: 10.13203/j.whugis20170188
[3]	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
[4]	丁凯孟, 朱长青, 卢付强. 基于自适应格网划分的遥感影像感知哈希认证算法 . 武汉大学学报 ● 信息科学版, 2015, 40(6): 716-720. doi: 10.13203/j.whugis20130567
[5]	沈小乐, 邵振峰, 闫贝贝. 一种薄云影响下的遥感影像匀光算法 . 武汉大学学报 ● 信息科学版, 2013, 38(5): 543-547.
[6]	闫利, 陈林. 一种改进的SURF及其在遥感影像匹配中的应用 . 武汉大学学报 ● 信息科学版, 2013, 38(7): 770-773.
[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]	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]	杨杰, 赵伶俐, 李平湘, 郎丰铠. 引入规范化圆极化相关系数的保持极化散射特性的分类算法 . 武汉大学学报 ● 信息科学版, 2012, 37(8): 911-914.
[10]	巫兆聪, 胡忠文, 欧阳群东. 一种区域自适应的遥感影像分水岭分割算法 . 武汉大学学报 ● 信息科学版, 2011, 36(3): 293-296.
[11]	朱长青, 任娜. 一种基于伪随机序列和DCT的遥感影像水印算法 . 武汉大学学报 ● 信息科学版, 2011, 36(12): 1427-1429.
[12]	杨杰, 郎丰铠, 李德仁. 一种利用Cloude-Pottier分解和极化白化滤波的全极化SAR图像分类算法 . 武汉大学学报 ● 信息科学版, 2011, 36(1): 104-107.
[13]	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 . 武汉大学学报 ● 信息科学版, 2011, 36(1): 108-112.
[14]	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.
[15]	张海剑, 杨文, 邹同元, 孙洪. 基于四分量散射模型的多极化SAR图像分类 . 武汉大学学报 ● 信息科学版, 2009, 34(1): 122-125.
[16]	邹同元, 杨文, 代登信, 孙洪. 一种新的极化SAR图像非监督分类算法研究 . 武汉大学学报 ● 信息科学版, 2009, 34(8): 910-913.
[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]	关泽群, 王贤敏, 孙家抦. 一种实用的遥感影像二维信息隐藏盲算法 . 武汉大学学报 ● 信息科学版, 2004, 29(4): 296-301.
[19]	张剑清, 张祖勋. 高分辨率遥感影像基于仿射变换的严格几何模型 . 武汉大学学报 ● 信息科学版, 2002, 27(6): 555-559.
[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: 774
HTML全文浏览量: 52
PDF下载量: 368
被引次数: 0

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

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973计划资助项目(2006CB701303)

作者简介:
陶建斌,博士生,研究方向为遥感影像智能化解译。

收稿日期: 2010-05-04
修回日期: 2010-05-04
刊出日期: 2010-06-05

中图分类号: P237.4;TP753

关键词:

高斯混合模型 /

改进EM算法 /

子高斯分布 /

非监督分类

摘要: 提出了一种遥感影像非监督分类的新方法GMM-UC。该方法以有限混合密度理论为基础,认为遥感数据由有限个子高斯分布以一定比例“混合”而成,通过改进EM算法自动确定子高斯分布及其参数,再从中“还原”出各个地物类(各子高斯分别对应一类地物)。实验结果表明,该方法获得了较好的分类效果,一定程度上避免了传统非监督分类方法的缺陷,扩大了非监督方法的应用范围。

English Abstract

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[J]. 武汉大学学报 ● 信息科学版, 2010, 35(6): 727-732.

引用本文:

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[J]. 武汉大学学报 ● 信息科学版, 2010, 35(6): 727-732.

TAO Jianbin, SHU Ning, GONG Yan, SHEN Zhaoqing. An Instructed Unsupervised Classification Method for Remote Sensing Image Based on Gaussian Mixture Model[J]. Geomatics and Information Science of Wuhan University, 2010, 35(6): 727-732.

Citation:

TAO Jianbin, SHU Ning, GONG Yan, SHEN Zhaoqing. An Instructed Unsupervised Classification Method for Remote Sensing Image Based on Gaussian Mixture Model[J]. Geomatics and Information Science of Wuhan University, 2010, 35(6): 727-732.

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