自适应类别的层次高斯混合模型遥感影像分割

石雪; 李玉; 赵泉华

doi:10.3969/j.issn.0372-2112.2020.01.016

您当前的位置：

首页 >

文章列表页 >

自适应类别的层次高斯混合模型遥感影像分割

学术论文 | 更新时间：2025-07-08

- 自适应类别的层次高斯混合模型遥感影像分割
- Remote Sensing Image Segmentation Based on Hierarchy Gaussian Mixture Model with Self-adaptive Number of Classes
- 电子学报 2020年48卷第1期页码：131-136
- 作者机构：
  
  辽宁工程技术大学测绘与地理科学学院遥感科学与应用研究所,辽宁,阜新,123000
- 作者简介：
- 基金信息：
  
  国家自然科学基金 (No.41301479，No.41271435）;辽宁省自然科学基金 (No.2015020090）
- DOI：10.3969/j.issn.0372-2112.2020.01.016
  中图分类号： TP751
- 网络出版：2020-01-25，
  
  纸质出版：2020
- 稿件说明：
移动端阅览
石雪, 李玉, 赵泉华. 自适应类别的层次高斯混合模型遥感影像分割[J]. 电子学报, 2020,48(1):131-136.

Remote Sensing Image Segmentation Based on Hierarchy Gaussian Mixture Model with Self-adaptive Number of Classes[J]. Acta Electronica Sinica, 2020, 48(1): 131-136.
石雪, 李玉, 赵泉华. 自适应类别的层次高斯混合模型遥感影像分割[J]. 电子学报, 2020,48(1):131-136. DOI： 10.3969/j.issn.0372-2112.2020.01.016.

Remote Sensing Image Segmentation Based on Hierarchy Gaussian Mixture Model with Self-adaptive Number of Classes[J]. Acta Electronica Sinica, 2020, 48(1): 131-136. DOI： 10.3969/j.issn.0372-2112.2020.01.016.

摘要

为了实现自动确定类别数的高精度遥感影像分割，提出一种自适应类别的层次高斯混合模型（Hierarchical Gaussian Mixture Model，HGMM）遥感影像分割算法.提出算法采用多个高斯混合模型加权和定义HGMM，用于建模具有非对称，重尾和多峰等复杂特性的影像统计模型.采用期望最大化算法（Expectation Maximization，EM）求解模型参数.为了实现自动确定类别数，采用贝叶斯信息准则（Bayesian Information Criterion，BIC）求解最优类别数，其中惩罚项采用加权像素数定义.为了验证提出算法可行性和有效性，对模拟和全色遥感影像进行分割实验，并对分割结果进行定性和定量分析.结果表明HGMM具有准确建模复杂统计分布的能力，提出算法具有高精度和高效率，同时可自动确定最优类别数.

Abstract

To accurately segment remote sensing image and automatically determine the number of classes

a Hierarchical Gaussian Mixture Model (HGMM) based remote sensing image segmentation algorithm with self-adaptive number of classes is proposed.In the proposed algorithm

HGMM is defined by the weighted sum of several Gaussian Mixture Models (GMM)

which is used to model the asymmetric

heavy-tailed and multimodal distributions of image. Expectation Maximization (EM) is used to estimate the model parameters. Bayesian Information Criterion (BIC) is used to solve the optimal number of classes

where penalty term is defined by the weighted number of pixels. To test the feasibility and availability of the proposed algorithm

segmentation experiments are carried out on simulated and panchromatic remote sensing images. Segmentation results are analyzed qualitatively and quantitatively

which show that HGMM can accurately model the complicated statistical distributions. The proposed algorithm can obtain high accuracy and has good efficiency

as well as determine the optimal number of classes.

关键词

Keywords

references

浏览量

144

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

结合脉冲响应重塑和期望最大化的盲信号分离

基于随机退化数据建模的设备剩余寿命自适应预测方法

类相关性影响可变选择性贝叶斯分类器

基于合并分层聚类的网络拓扑推断算法

正交匹配追踪和BIC准则的自适应双频段预失真模型优化算法