一种基于概率潜在语义模型的高分辨率遥感影像分类方法

被引:22
作者
陶超 [1 ,2 ]
谭毅华 [1 ,2 ]
彭碧发 [1 ,2 ]
田金文 [1 ,2 ]
机构
[1] 华中科技大学图像识别与人工智能研究所
[2] 华中科技大学多谱信息处理技术国防重点实验室
关键词
高分辨率遥感影像分类; 概率潜在语义模型; 视觉词汇; Gabor纹理特征;
D O I
暂无
中图分类号
P237 [测绘遥感技术];
学科分类号
1404 ;
摘要
针对高分辨率遥感影像中"同谱异物","同物异谱"现象对影像分类过程造成的干扰,将文本分析中的概率潜在语义模型应用于高分辨率遥感影像分类,提出一种无监督的遥感影像分类新方法。该方法首先利用均值漂移分割方法对影像进行分割构建图像区域集合,然后提取集合各区域中每个像元的Gabor纹理特征,并对这些特征进行聚类形成视觉词汇,最后利用PLSA方法对各区域进行分析,找出其最可能属于的主题或者类别,从而完成影像分类。文中GeoEye-1和IKONOS影像试验结果表明,该方法能有效提高高分辨率遥感影像分类精度。
引用
收藏
页码:156 / 162
页数:7
相关论文
共 5 条
[1]   利用α-torrent粗集的遥感影像分类方法研究 [J].
潘欣 ;
张树清 ;
李晓峰 ;
刘春悦 .
武汉大学学报(信息科学版), 2009, 34 (10) :1240-1244
[2]   Gabor滤波器的快速实现 [J].
陈小光 ;
封举富 .
自动化学报, 2007, (05) :456-461
[3]   基于高斯马尔可夫随机场混合模型的纹理图像分割 [J].
余鹏 ;
张震龙 ;
侯至群 .
测绘学报 , 2006, (03) :224-228
[4]   高空间分辨率遥感图像分类的SSMC方法 [J].
黄昕 ;
张良培 ;
李平湘 .
中国图象图形学报, 2006, (04) :529-534
[5]   Unsupervised Learning by Probabilistic Latent Semantic Analysis [J].
Thomas Hofmann .
Machine Learning, 2001, 42 :177-196