模糊区域级MRF方法在城镇自动识别中的应用

陈荣元; 徐雪松; 申立智; 刘跃华; 陈浪

doi:10.3969/j.issn.0372-2112.2019.02.033

您当前的位置：

首页 >

文章列表页 >

模糊区域级MRF方法在城镇自动识别中的应用

学术论文 | 更新时间：2025-07-16

- 模糊区域级MRF方法在城镇自动识别中的应用
- Fuzzy Regional MRF Method for Automatic Identification of Urban
- 电子学报 2019年47卷第2期页码：489-494
- 作者机构：
  
  湖南商学院湖南省移动电子商务协同创新中心, 移动商务智能湖南省重点实验室, 新零售虚拟现实技术湖南省重点实验室,湖南,长沙,410205
- 作者简介：
- 基金信息：
  
  国家自然科学基金 (No.41101425，No.61471170）;教育部-中国移动科研基金 (No.MCM20170506）;湖南省教育厅资助科研项目 (No.16A114，No.17B145）;湖南省重点研发计划项目 (No2018GK2058）;湖南省自然科学基金 (No.2016JJ2070，No.2017JJ3132）
- DOI：10.3969/j.issn.0372-2112.2019.02.033
  中图分类号： TP391.41TP751
- 网络出版：2019-02-25，
  
  纸质出版：2019
- 稿件说明：
移动端阅览
陈荣元, 徐雪松, 申立智, 等. 模糊区域级MRF方法在城镇自动识别中的应用[J]. 电子学报, 2019,47(2):489-494.

CHEN Rong-yuan, XU Xue-song, SHEN Li-zhi, et al. Fuzzy Regional MRF Method for Automatic Identification of Urban[J]. Acta Electronica Sinica, 2019, 47(2): 489-494.
陈荣元, 徐雪松, 申立智, 等. 模糊区域级MRF方法在城镇自动识别中的应用[J]. 电子学报, 2019,47(2):489-494. DOI： 10.3969/j.issn.0372-2112.2019.02.033.

CHEN Rong-yuan, XU Xue-song, SHEN Li-zhi, et al. Fuzzy Regional MRF Method for Automatic Identification of Urban[J]. Acta Electronica Sinica, 2019, 47(2): 489-494. DOI： 10.3969/j.issn.0372-2112.2019.02.033.

摘要

针对遥感影像中城镇区域内外的自然地物难以区分，城镇区域不易完整识别的问题，提出一种对象级模糊MRF识别方法.该方法首先通过光谱信息和空间梯度分析得到城镇种子点（人造地物顶部点和阴影点）；然后由均值漂移算法过分割影像；再对过分割区域建立MRF，在迭代过程中用MRF的条件概率矩阵代替模糊C均值聚类算法的隶属度矩阵，并保持包含种子点的区域类别不变，从而实现城镇识别.对于QuickBird和Ikonos遥感影像，该模型能够兼顾城镇区域自动识别过程中的随机性与模糊性，很好地利用了空间相关信息，有效识别出了城镇区域.

Abstract

In order to effectively distinguish the natural objects inside the town from outside objects

and completely identify the urban regions in remote sensing image

a fuzzy geographic object-based MRF method is proposed.Firstly

the seed points of the town

i.e.

the top and shadow points of artificial ground objects

are firstly obtained by analyzing spectral information and spatial gradient.Then the over-segmented regions of the origin image are obtained by Mean Shift algorithm.Finally

a MRF is established over regions.and the membership matrix in the fuzzy C-means clustering algorithm is replaced by the conditional probability matrix in the MRF in an iterative manner.Meanwhile the categories of the regions containing the seed points are kept unchanged.For QuickBird and Ikonos remote sensing images

the proposed model can simultaneously deal with both the stochastic and fuzzy nature of images

and effectively intergate the space information

and thus benefit the identification of town.

关键词

Keywords

references

浏览量

262

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

区域和邻域级信息相结合的加强型PFCM含噪图像分割算法

基于模糊权和有效性函数的演化聚类算法

光谱加权协同稀疏和全变差正则化高光谱图像解混

基于深度帧差卷积神经网络的运动目标检测方法研究