检索结果-内蒙古大学图书馆

测绘科学 2018年第9期43卷 98-102,128页

作者：陈洋范荣双王竞雪李巍辽宁工程技术大学测绘与地理科学学院辽宁阜新123000 中国测绘科学研究院北京100830 黑龙江科技大学矿业工程学院哈尔滨150000

针对传统遥感影像分割质量评价方法缺少定量评价,该文在顾及参考对象与分割对象之间形状和位置关系差异的基础上,提出一种基于形位相似的遥感影像分割质量评价方法。采用该文提出的评价方法对多尺度分割算法和分水岭分割算法的分割结果... 详细信息

针对传统遥感影像分割质量评价方法缺少定量评价,该文在顾及参考对象与分割对象之间形状和位置关系差异的基础上,提出一种基于形位相似的遥感影像分割质量评价方法。采用该文提出的评价方法对多尺度分割算法和分水岭分割算法的分割结果进行评价。结果表明:该方法能客观定量评价分割影像质量,得到最佳影像分割结果对象与参考对象的边界具有较高形位相似;并且该文评价方法能确定遥感影像最佳的分割尺度参数,有利于提高后续基于面向对象分类方法的精度。

关键词：高分辨率遥感影像影像分割形状指数分割质量评价

来源：评论

学校读者我要写书评

暂无评论

顾及面积和位置差异的高分遥感影像分割质量评价方法

引用

遥感技术与应用 2016年第1期31卷 186-193页

作者：毛召武程结海袁占良河南理工大学测绘与国土信息工程学院河南焦作454003

高分遥感影像分割质量对面向对象分类精度有着重要的影响,良好的影像分割质量有利于得到较高的分类精度。对高分遥感影像分割质量进行评价,从而找到最优的分割结果就显得十分重要。通过对比参考对象和分割对象之间的面积和位置差异,提... 详细信息

高分遥感影像分割质量对面向对象分类精度有着重要的影响,良好的影像分割质量有利于得到较高的分类精度。对高分遥感影像分割质量进行评价,从而找到最优的分割结果就显得十分重要。通过对比参考对象和分割对象之间的面积和位置差异,提出了一种新的高分遥感影像分割质量评价方法。将该评价方法应用于GeoEye-1高分遥感影像分割质量评价,试验结果表明:该评价方法能客观地评价影像分割质量,所得到的最优分割结果与参考对象边界匹配程度高,有利于影像后续的分类。

关键词：高分遥感影像分割质量评价面积差异位置差异

来源：评论

学校读者我要写书评

暂无评论

一种高分遥感影像物体分割质量评价方法

引用

测绘通报 2016年第5期 36-40页

作者：毛召武程结海袁占良河南理工大学测绘与国土信息工程学院河南焦作454003

影像分割是面向对象影像分析的重要环节,影像分割结果质量影响着后续的影像信息提取。对影像分割结果进行评价并从不同的分割结果中选出最优分割结果十分重要。本文综合考虑与参考对象相交的所有分割对象的影响,提出了一种高分遥感影像... 详细信息

影像分割是面向对象影像分析的重要环节,影像分割结果质量影响着后续的影像信息提取。对影像分割结果进行评价并从不同的分割结果中选出最优分割结果十分重要。本文综合考虑与参考对象相交的所有分割对象的影响,提出了一种高分遥感影像物体分割质量评价方法。该方法用ESI和CDI两个指标来定量评价影像物体分割结果质量,并用ESI和CDI指标组合,确定影像物体的最优分割结果。将该方法应用于Geo Eye-1高分遥感影像物体分割结果质量评价,试验结果证明了该评价方法的有效性。

关键词：高分遥感影像分割质量评价面积差异位置差异

来源：评论

学校读者我要写书评

暂无评论

高空间分辨率遥感影像分割质量评价方法研究

高空间分辨率遥感影像分割质量评价方法研究

引用

作者：毛召武河南理工大学

学位级别：硕士

随着高空间分辨率遥感影像在土地利用、城市规划、环境评价等领域的广泛运用,如何快速、高效地从高空间分辨率遥感影像中提取影像信息显得十分重要。采用传统的基于像元的影像分析方法提取高空间分辨率遥感影像信息的结果容易产生“椒... 详细信息

随着高空间分辨率遥感影像在土地利用、城市规划、环境评价等领域的广泛运用,如何快速、高效地从高空间分辨率遥感影像中提取影像信息显得十分重要。采用传统的基于像元的影像分析方法提取高空间分辨率遥感影像信息的结果容易产生“椒盐效应”,直接影响着影像信息的提取质量。取而代之的是采用面向对象的影像分析方法(Object-Based Image Analysis,OBIA)。影像分割是面向对象的影像分析方法的关键步骤,其分割结果质量直接影响着后续影像信息的提取质量。因此,对高空间分辨率遥感影像分割结果进行质量评价是一个值得研究的课题。目前,对影像分割结果质量进行定量评价的方法主要有非监督评价和监督评价两类。非监督评价方法因在评价指标选取上存在主观性较强的不足,在实际应用中受到一定的限制,而监督评价方法在地面参考精度保证的情况下,能客观的表达分割结果质量,是常用的评价方法。本文采用监督评价方法的思想,以构建影像分割质量评价方法为中心,根据参考对象和分割对象之间的面积差异和位置差异建立相应的单体评价指标;以单体评价指标为基础,建立评价整体影像分割质量的评价指标以及最优分割质量评价准则。论文研究的内容主要体现在以下三个方面:(1)高空间分辨率遥感影像分割质量评价方法的建立。根据参考对象和与之相交的所有分割对象之间的面积差异和数目差异,分别建立了欠分割条件和过度分割条件,并分析出分割结果的欠分割程度和过度分割程度,剔除欠分割程度和过度分割程度严重的分割结果,将剩余的分割结果用于后续的影像分割质量评价。根据参考对象和分割对象之间的空间拓扑关系和面积差异,确定出参与影像分割质量评价的有效分割对象,并对其进行合并形成新的多边形,作为研究对象。通过分析参考对象和研究对象之间的面积差异和位置差异,分别提出面积错误分割指数(Error Segment Index,ESI)和质心之间的距离指数(Centeriods Distance Index,CDI)两个指标来评价影像单体分割质量。根据ESI和CDI指标分别提出评价影像整体或某地类的分割质量评价指标——整体错误分割面积指标AESIall和平均距离指标ACDIall。(2)高空间分辨率遥感影像分割质量评价方法的验证。采用本文的评价方法,对研究区高空间分辨率遥感影像在不同分割参数组合下得到的分割结果进行质量评价,从不同的分割结果中评价出影像中建筑物地类的最优分割结果。经目视分析判断,评价出的建筑物地类最优分割结果和参考对象之间的匹配程度较高,证明了本文提出的评价方法的有效性和合理性。并与其他分割质量评价方法进行对比分析,表明了本文提出的评价方法具有一定的优越性。(3)高空间分辨率遥感影像分割质量评价方法的应用。将本文提出的评价方法进行推广应用,评价任一给定影像分割结果质量,确定出影像最优分割结果,进一步证明了本文评价方法的可行性和普适性。

关键词：高空间分辨率遥感影像面向对象的影像分析分割质量评价面积差异位置差异

来源：评论

学校读者我要写书评

暂无评论

彩色空间选择及分割质量评价方法的研究

彩色空间选择及分割质量评价方法的研究

引用

作者：王悦东内蒙古农业大学

学位级别：硕士

图像分割是图像处理中的一项关键技术,其目的是将目标和背景分离,为后续处理提供依据,其结果直接影响到其后的信息处理过程。然而到目前为止,对图像分割的效果好坏,还没有一个统一的评价判断准则。分割算法是影响分割效果的最主要因素,... 详细信息

图像分割是图像处理中的一项关键技术,其目的是将目标和背景分离,为后续处理提供依据,其结果直接影响到其后的信息处理过程。然而到目前为止,对图像分割的效果好坏,还没有一个统一的评价判断准则。分割算法是影响分割效果的最主要因素,所以目前国内外的研究都集中到对分割算法的改进及优化上,而分割图像所采用的彩色空间也在一定程度上会影响分割的效果,在恰当的彩色空间对图像进行分割,会得到较好的分割结果。本文针对这一问题,对五种具有代表性的彩色空间(RGB、HSI、YIQ、YCbCr、Lab)以及它们的主成分空间(PRIN)进行了分析对比。经大量实验可知,图像分割中选用PRIN空间其分割效果最好,但是PRIN空间需要大量的运算才能得到,次之是RGB空间,分割效果比PRIN稍差,YIQ和YCbCr空间分割效果相当,效果最差的是HSI空间。到目前为止虽已提出了不少的分割质量评价方法,然而大多评价指标都是针对具体的应用而提出的,通用性差,适用范围有限。本文提出了一种基于像素错分个数的分割质量评价指标,对各个彩色空间的分割图像进行了定量比较。经实验可知,该方法的评价结果和综合指标的评价结果几乎完全一致,可以有效的对分割结果进行评判。另外,由于此评价指标用分割正确率评判图像分割效果的好坏,不仅可以对多个分割结果进行评价比较,还可以用来单独评价某一分割问题的效果,适用范围较广。

关键词：图像处理图像分割彩色空间选择主成分分析分割质量评价

来源：评论

学校读者我要写书评

暂无评论

基于卷积神经网络的图像分割质量评价及修复方法研究

基于卷积神经网络的图像分割质量评价及修复方法研究

引用

作者：施雯电子科技大学

学位级别：硕士

随着信息时代的发展,多媒体数据量飞速增长,图像成为信息的主要载体。如何快速有效地从海量图像数据中提取关键信息成为诸多新兴产业的基本需求。其中,信息获取的第一步是图像分割,为后续高层识别和理解等任务提供可分析区域。然而,图... 详细信息

随着信息时代的发展,多媒体数据量飞速增长,图像成为信息的主要载体。如何快速有效地从海量图像数据中提取关键信息成为诸多新兴产业的基本需求。其中,信息获取的第一步是图像分割,为后续高层识别和理解等任务提供可分析区域。然而,图像数据海量且纷杂多样,从图像中提取语义区域被公认为病态问题。在实际分割应用中,常存在不正确的分割结果,严重干扰了后续图像高层分析的进行。实现图像分割质量的评价及修复对于改善图像高层识别与理解的性能具有积极的意义。分割质量评价及修复致力于挖掘分割结果的特性,评估分割结果的质量并进行分割修复。同时,分割质量评价与修复存在多方面的挑战,包括如何准确描述分割质量、如何有效融合分割结果与原始图像的信息、如何采用评价方法解决实际问题等。围绕上述挑战,本文开展了基于卷积神经网络的分割质量评价方法以及基于分割质量评价的分割结果修复方法研究,具体内容如下:1.针对分割质量评价建模问题,本文提出了基于卷积神经网络的分割质量评价方法,构建了新型评价模型。该模型分析并融合了原始图像与分割结果的相关性,通过多尺度分析刻画了多层次分割信息,有效改善了分割质量评价的性能。2.基于分割质量评价,针对交互式分割过程中最优参数难以确定的问题,本文有效结合了分割评价结果,构建了自适应参数选择的交互式分割优化模型,针对不同图像自动选择分割参数,该方案有效提升了交互式分割方法的性能。3.进一步针对协同分割结果,本文提出了新的多图像协同分割修复算法,构建了基于轮廓和区域分析的协同分割质量评价模型,设计了基于分割质量评价的协同分割修复方案,针对现有协同分割结果,提出了迭代修复算法,有效提高了协同分割的性能。

关键词：卷积神经网络分割质量评价分割结果修复

来源：评论

学校读者我要写书评

暂无评论

基于卷积神经网络的图像目标分割质量评价方法研究

基于卷积神经网络的图像目标分割质量评价方法研究

引用

作者：李佳骏西南交通大学

学位级别：硕士

图像分割是计算机视觉中许多任务的重要预处理步骤，其目标是获得对象和背景的像素标签。尽管近年来图像分割技术引起了很多关注，但是针对分割质量评价的研究工作较少。图像分割质量的评估方法包括监督式和无监督式两种，后者不依赖参... 详细信息

图像分割是计算机视觉中许多任务的重要预处理步骤，其目标是获得对象和背景的像素标签。尽管近年来图像分割技术引起了很多关注，但是针对分割质量评价的研究工作较少。图像分割质量的评估方法包括监督式和无监督式两种，后者不依赖参考分割数据集，具有更广泛的实用价值，尤其对于像素级的分割评价任务来说，设计出更高精度的模型显得更加重要，具有一定应用前景和理论研究价值。本论文构建了一个质量评价数据集，提出了几种图像目标分割质量评价网络，并基于分割质量评价网络优化了多层次分割算法。本文主要从以下几个方面展开了工作：　　(1)构建了一个分割质量评价数据集。由于目前用于分割质量评价的公开数据集较少，因此本论文首先构建了一个分割质量评价数据集，该数据集由原始图像、GroundTruth、分割样本、以及分割样本对应的评价标签构成。　　(2)提出了基于卷积神经网络的分割质量评价模型SQ-Net、DQ-Net1、DQ-Net2。其中SQ-Net是基于VGG-Net提出的分割质量评价模型，DQ-Net1、DQ-Net2在SQ-Net的基础上引入了原始图像的全局信息，优化后的模型将分割样本和原始图像同时作为输入进行特征提取，并且采用不同的融合方式将提取到的特征进行融合，DQ-Net1采用交叉融合方式，DQ-Net2采用自融合方式。并且基于本文构建好的分割质量评价数据集对提出的分割质量评价模型进行验证，实验结果表明，本章提出的分割质量评价模型能有效应用到分割质量评价任务当中。　　(3)提出了一种基于注意力机制的目标分割质量评估方法DAQ-Net。为了更好地学习到有价值的特征通道信息，本文将注意力机制引入分割质量评价任务中，通过使用注意力机制对DQ-Net2模型优化后构建了一个分割质量评价模型DAQ-Net，优化后的模型更好地学习特征通道之间的关系，从而有效提升分割质量评价精度。基于本文构建好的分割质量评价数据集对优化后的模型进行验证，多组实验结果表明，注意力机制的引入使得模型性能的表现得到了极大提升。　　(4)提出了一种基于分割质量评价模型的多层次分割方法。基于本文所提出的图像目标分割质量评价模型DAQ-Net对多层次分割方法进行了优化，优化后的方法利用多层次分割方法的多个不同阈值提取得到的大量分割结果，再将这些结果送入分割质量评价模型中，模型自动选择出评分最高的结果以及该结果对应的阈值，从而提升了多层次分割的性能。

关键词：图像分割深度学习分割质量评价注意力机制

来源：评论

学校读者我要写书评

暂无评论

有监督多层次图像分割质量评价方法研究

有监督多层次图像分割质量评价方法研究

引用

作者：王超西南交通大学

学位级别：硕士

图像分割是计算机视觉领域中一个重要的基本技术。目前虽已存在大量图像分割的相关方法与理论,但是还没有一个统一的标准可以对分割结果进行客观全面的评价。在不同图像分割任务中,对图像的语义理解不同,会导致同一副图像被分割为不同... 详细信息

图像分割是计算机视觉领域中一个重要的基本技术。目前虽已存在大量图像分割的相关方法与理论,但是还没有一个统一的标准可以对分割结果进行客观全面的评价。在不同图像分割任务中,对图像的语义理解不同,会导致同一副图像被分割为不同的结果。在图像分割质量评价过程中,一般会使用多个人为标注的参考分割与分割结果进行比对,但是评价数据库中大多没有对图像的区域粒度进行统一的分级,这会导致评价结果受到因人为标注带来的主观性影响。本文根据上述问题,基于树结构与卷积神经网络的多层次性,对图像分割质量评价方法进行研究与改进,主要工作包括以下三个部分:(1)对图像分割与分割质量评价方法的研究现状进行概述,并对现有的主要的分割评价方法进行分类介绍,总结不同类别的分割评价方法的特征与优缺点。随后着重对常用的有监督评价方法进行讨论,并介绍了元评价方法与实验所需的数据库。(2)提出了一种基于树结构的多层次图像分割质量评价方法。首先,该方法利用树结构的多层次性与现有参考分割中的各区域之间的关系(包含、重叠与相似等),构建树结构的多层次参考分割。在多层次参考分割中,区域树中不同层对应着不同区域粒度的参考分割,层数越高代表着参考分割的区域粒度越大。其次,根据树结构的参考分割的特性,提出了一种基于区域粒度的多层次评价策略,使得分割结果可以自适应地与相应的树层次进行评价。实验结果表明该方法较原始评价方法有一定的性能提升。(3)提出了一种基于卷积神经网络的多层次图像分割质量评价方法。该方法利用全卷积神经网络提取出了多层次的边缘图像,经过图像处理与边缘匹配得到更加精确的多层次边缘结果,可作为新的参考分割对分割结果进行评价。针对多层次边缘参考分割,制定了一种基于边缘粒度的多层次评价策略。在数据库性能方面,该方法降低了每幅图对应的参考分割数量,减少了原有数据库中的重复边缘,并且增加了小区域边缘的参考分割。在评价方法性能方面,对于元评价指标有一定的性能提升,验证了该方法的有效性。

关键词：图像分割分割质量评价多层次树结构卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

高空间分辨率遥感影像分割定量实验评价方法综述

引用

地球信息科学学报 2017年第6期19卷 818-830页

作者：陈扬洋明冬萍徐录赵璐中国地质大学(北京)信息工程学院北京100083

GEOBIA(Geographic Object-Based Image Analysis)技术针对高空间分辨率遥感影像分析的效果和精度远优于基于像元的传统方法。影像分割作为GEOBIA中的关键技术,学者们对此已经做了大量的研究,提出众多分割算法。对分割算法进行评价和分... 详细信息

GEOBIA(Geographic Object-Based Image Analysis)技术针对高空间分辨率遥感影像分析的效果和精度远优于基于像元的传统方法。影像分割作为GEOBIA中的关键技术,学者们对此已经做了大量的研究,提出众多分割算法。对分割算法进行评价和分割技术本身同样重要,通过分割评价可以对分割算法的性能进行评价,比较不同分割算法的优劣,为影像选择合适的分割算法并设定合适的分割参数。影像分割的目的是为了实现影像分析操作的自动化,而主观评价法、系统评价法和分析评价法,因其无法给出客观定量指标的特点,难以应用于实时、自动化的高分辨率影像信息提取与分析系统当中。加之近年来针对分割评价方法的研究远远落后于分割算法本身,因此对定量分割评价方法进行综述对于影像分割方法及其应用研究意义重大。本文对现有的评价方法进行系统总结,建立了针对高空间分辨率遥感影像分割评价方法的分类体系。对各种方法,特别是定量的实验评价法进行对比,分析其应用范围和优劣,最后指出了高空间分辨率遥感影像分割评价未来的改进方向和应用前景。

关键词：高空间分辨率遥感影像 GEOBIA 分割质量评价差异评价优度评价

来源：评论

学校读者我要写书评

暂无评论

面向对象的高分辨率遥感图像深度特征提取与分类研究

面向对象的高分辨率遥感图像深度特征提取与分类研究

引用

作者：高涵中国科学院大学(中国科学院遥感与数字地球研究所)

学位级别：硕士

在现有的遥感数据中,高分辨率遥感数据可以提供丰富的地表信息,精细地描述地物目标的空间结构和表层纹理。图像中的地物轮廓信息更加清晰,为有效解译分析提供了条件和基础。高分辨率遥感数据已显示出比传统的中、低分辨率遥感图像的显... 详细信息

在现有的遥感数据中,高分辨率遥感数据可以提供丰富的地表信息,精细地描述地物目标的空间结构和表层纹理。图像中的地物轮廓信息更加清晰,为有效解译分析提供了条件和基础。高分辨率遥感数据已显示出比传统的中、低分辨率遥感图像的显著优势和良好的应用前景,但高分辨率数据处理水平和实际需求之间还存在着较大的差距。遥感图像分类是遥感数据信息处理的基本任务之一,建立在多尺度分割基础上的面向对象的图像分析方法是遥感图像解译的有效方法,尤其在高空间分辨率遥感图像分类方面有着巨大的优势。但是自二十世纪末发展至今,该方法仍面临以下两个问题:(1)遥感图像分割是决定面向对象图像分析与计算成功与否的关键,但是高空间分辨率遥感图像中丰富的地物目标与空间语义信息必须在多尺度下才能充分表达和描述。因此,如何定量评价图像分割质量,确定最优分割参数组合,是一个亟待解决的问题;(2)尽管传统的面向对象的高分辨率遥感图像分类方法在特征描述、特征学习以及分类器设计等方面取得了重要的发展,但是大多数传统方法仅从原始图像中提取浅层次的特征用于分类,对于对象目标的深层次地物特征的表达不够充分,特征的人工设计与选择也不利于多源遥感大数据的自动化解译与信息挖掘。因此,如何自动化地提取深层次特征是另一个亟待解决的问题。为解决上述两个问题,本论文围绕非监督的图像分割质量评价、基于超像素特征表达的特征学习方法和面向对象的多尺度卷积神经网络分类展开研究。论文的主要成果如下:(1)基于地统计学中的空间分层异质性,提出了一种无监督遥感图像分割质量定量评价方法。该方法从原始图像中提取光谱和纹理特征构建待评价的特征集,从图像分割区域特征统计的角度,引入空间分层异质性和空间自相关作为区域内外同质和异质性评价的测度。两个测度用于计算分割结果在特征集中的统计值,最后基于马氏距离联合两个测度得到一个全局的质量评价标准,进而根据图像的分割结果质量,选择分割算法或确定最优分割参数组合。(2)提出了一种基于超像素的卷积神经网络特征学习方法。该方法充分利用高分辨率遥感图像丰富的语义信息,采用简单线性迭代聚类算法对待分类的遥感图像进行超像素分割,获得紧凑且大小均匀的超像素对象作为网络模型的输入,从中标记训练样本用于训练卷积神经网络的模型参数,从而达到自动学习地物对象深度特征的目的。该方法克服了现有使用像元邻域矩阵作为网络输入带来的运算复杂及缺乏目标背景信息等问题,提高了特征提取的效率和深度。(3)提出了一种自适应边界约束的多尺度卷积神经网络分类方法。该方法在基于超像素特征表达的地物特征学习方法基础之上,构建了一个多尺度卷积神经网络模型,将不同尺度下的超像素对象作为网络输入,使用加权特征的融合方法提高特征表达的能力。通过使用本文提出的图像分割质量评价指标为超像素分类结果自适应地提供最优地物边界信息,对地物轮廓进行约束优化,得到最终分类结果,有效提高了高分辨率遥感图像数据特征挖掘与分类的自动化和智能化程度。

关键词：遥感面向对象的分类多尺度分割分割质量评价深度学习

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：