文档名：基于CNN的零样本城市遥感影像场景分割算法
摘要：针对观测数据的零样本遥感影像场景分割时,因不存在相应的参照物,造成分割耗时长,精确率较低等问题,提出了基于卷积神经网络的零样本城市遥感影像场景分割算法.采用主成分分析方法与K-奇异值分解方法对遥感影像去噪处理,抑制斑块效应;将去噪后影像输入Retinex增强算法中,进一步提升零样本城市遥感影像增强效果;采用均值漂移算法分割遥感影像场景获取其像素点之间关系,通过卷积神经网络完成零样本城市遥感影像场景精准分割.实验结果表明,该算法精确率高,召回率高,F-score率高,消耗时间短.
作者：陈静 王晓轩 吴宇静 王蓉蓉Author：CHENJing WANGXiaoxuan WUYujing WANGRongrong
作者单位：广州华立学院城建学院,广州511325
刊名：吉林大学学报（信息科学版） ISTIC
Journal：JournalofJilinUniversity(InformationScienceEdition)
年，卷(期)：2023, 41(4)
分类号：TP75
关键词：主成分分析方法 Retinex增强算法 遥感影像场景 均值漂移分割计算 K-奇异值分解方法 卷积神经网络
Keywords：principalcomponentanalysis(PCA)method Retinexenhancementalgorithm remotesensingimagescene meanshiftsegmentationcalculation K-singularvaluedecompositionmethod(K-SVD) convolutionalneuralnetwork
机标分类号：TP391.41TN941.1U491
在线出版日期：2023年9月26日
基金项目：广东省普通高校特色人才创新基金资助项目，广东省普通高校青年创新人才基金资助项目基于CNN的零样本城市遥感影像场景分割算法[
期刊论文] 吉林大学学报（信息科学版）--2023, 41(4)陈静 王晓轩 吴宇静 王蓉蓉针对观测数据的零样本遥感影像场景分割时,因不存在相应的参照物,造成分割耗时长,精确率较低等问题,提出了基于卷积神经网络的零样本城市遥感影像场景分割算法.采用主成分分析方法与K-奇异值分解方法对遥感影像去噪处理...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于CNN的零样本城市遥感影像场景分割算法 Zero-Sample Urban Remote Sensing Image Scene Segmentation Algorithm Based on Convolutional Neural Network
基于CNN的零样本城市遥感影像场景分割算法.pdf
- 文件大小:
- 3.93 MB
- 下载次数:
- 60
-
高速下载
|
|
