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

基于图论分割的多光谱图像非监督分类方法

刘娜娜 李景文 李 宁

刘娜娜, 李景文, 李 宁等 . 基于图论分割的多光谱图像非监督分类方法[J]. 北京航空航天大学学报, 2009, 35(5): 544-546.
引用本文: 刘娜娜, 李景文, 李 宁等 . 基于图论分割的多光谱图像非监督分类方法[J]. 北京航空航天大学学报, 2009, 35(5): 544-546.
Liu Nana, Li Jingwen, Li Ninget al. Unsupervised classification approach based on graph-segment for multispectral remote sensing images[J]. Journal of Beijing University of Aeronautics and Astronautics, 2009, 35(5): 544-546. (in Chinese)
Citation: Liu Nana, Li Jingwen, Li Ninget al. Unsupervised classification approach based on graph-segment for multispectral remote sensing images[J]. Journal of Beijing University of Aeronautics and Astronautics, 2009, 35(5): 544-546. (in Chinese)

基于图论分割的多光谱图像非监督分类方法

详细信息
    作者简介:

    刘娜娜(1984-),女,河北衡水人,硕士生,liunana@ee.buaa.edu.cn.

  • 中图分类号: TP 751

Unsupervised classification approach based on graph-segment for multispectral remote sensing images

  • 摘要: 针对传统基于像素的多光谱遥感图像分类方法存在的"麻点"现象、采样成本高等问题,提出了一种基于图论分割的非监督分类方法,首先采用基于图论的分割算法,按局部邻近相似像素点分割成若干子区域,再以分割后子区域为基本单元,整体进行模糊 C均值聚类,最终实现对多光谱图像的非监督分类.实验证明,该方法结合了局部邻近像素点的相互关系以及相似区域的整体特征,有效解决了麻点问题,具有较高的分类精度和算法效率,降低了采样成本.

     

  • [1] Agrawal A, Kumar N, Radhakrishna M. Multispectral image classification: a supervised neural computation approach based on rough-fuzzy membership function and weak fuzzy similarity relation [J]. International Journal of Remote Sensing, 2007, 28(20):4597-4608 [2] Yamazaki T, Gingras D. Unsupervised multispectral image classification using MRF models and VQ Method [J]. IEEE Transactions on Geoscience and Remote Sensing, 1999, 37(2):1173-1175 [3] Flygare A M. Classification of remotely sensed data utilizing the autocorrelation between spatial-temporal neighbors . Umea · : Department of Mathematical Statistics, Umea · University, 1997 [4] Yu Jun, Magnus Ekstrm. Multispectral image classification using wavelets: a simulation study [J]. Pattern Recognition, 2003, 36(4):889-898 [5] Lee J Y, Warner T A. Segment based image classification [J]. International Journal of Remote Sensing, 2006, 27(16):3403-3412 [6] Felzenszwalb P, Huttenlocher D. Efficient graph-based image segmentation [J]. International Journal of Computer Vision, 2004, 59(2):167-181 [7] Shi J, Malik J. Normalized cuts and image segmentation [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2000, 22(8):888-905 [8] Kanungo T, Mount D M, Netanyahu N S, et al. An efficient k-means clustering algorithm: analysis and implementation [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2002, 24(7):881-892
  • 加载中
计量
  • 文章访问数:  2812
  • HTML全文浏览量:  6
  • PDF下载量:  1077
  • 被引次数: 0
出版历程
  • 收稿日期:  2008-08-10
  • 刊出日期:  2009-05-31

目录

    /

    返回文章
    返回
    常见问答