题名 一种改进的ICM遥感影像分割算法
被引量：4
1
作者
杨军 裴剑杰
机构
兰州交通大学电子与信息工程学院 兰州交通大学测绘与地理信息学院/甘肃省地理国情监测工程实验室
出处
《国土资源遥感》
CSCD
北大核心
2018年第3期18-25,共8页
基金
国家自然科学基金项目"大尺度变形的三维几何模型的对应关系和分割问题研究"(编号:61462059) 人社部留学人员科技活动择优资助(重点类)项目"三维动画中非刚性大尺度变形的相关性研究"(编号:2013277) 甘肃省高等学校基本科研业务费项目"大尺度变形的几何模型的对应关系和分割问题研究"(编号:214142)共同资助
文摘
针对传统的迭代条件模式(iterated conditional model,ICM)算法应用于遥感影像分割时容易出现离散斑块和孤立点的问题,提出了一种基于马尔科夫随机场(Markov random field,MRF)的改进ICM遥感影像分割算法。首先,在获取初始标记之前加入保边去噪效果良好的双边滤波器(bilateral filter,BF),用于遥感影像的预处理;并用多阈值最大类间方差法(Otsu)获取初始标记,以克服传统的初始标记获取算法中K-means聚类算法类别数不确定和算法复杂度不易控制以及错分现象明显等问题;然后,利用MRF描述像元的空间相关性,形成顾及上下文信息的ICM遥感影像分割算法。通过遥感影像数据分割实例验证,所提方法的分割精度优于传统的ICM算法。
关键词
迭代 条件 模式 (icm )马尔科夫随机场(MRF) 最大类间方差法(Otsu) 双边滤波器(BF) 影像分割
Keywords
iterated conditional model(icm ) Markov random field(MRF) Otsu bilateral filter(BF) image segmentation
分类号
TP751.1
[自动化与计算机技术—检测技术与自动化装置]
题名 马尔可夫随机场在显微图像散焦深度信息估计中的应用
被引量：3
2
作者
曾祥进 黄心汉 吴倩 王敏
机构
华中科技大学控制科学与工程系 中国工程物理研究院激光聚变研究中心
出处
《机器人》
EI
CSCD
北大核心
2008年第5期416-420,共5页
基金
国家自然科学基金(60275013) 国家863计划资助项目(2005AA844120)
文摘
针对显微视觉图像深度信息估计问题,提出了一种基于马尔可夫随机场的散焦特征参数模型:该模型将散焦特征深度信息的估计转化为能量函数的优化问题.应用迭代条件模式(Iterated Conditional Mode,ICM)算法进行优化,在ICM算法中应用最小二乘估计(LSE)算法对初始点参数进行估计,从而改进了ICM算法的性能,防止了其进入局部最优解.实验与仿真证实了该模型和算法的有效性和可行性.
关键词
显微视觉 马尔可夫随机场 深度估计 迭代 条件 模式 (icm )
Keywords
micro vision Markov random field （MRF） depth estimation Iterated Conditional Mode （icm ）
分类号
TP242.6
[自动化与计算机技术—检测技术与自动化装置]
题名 结合核密度估计理论的ICM遥感影像分割算法
3
作者
杨军 李波
机构
兰州交通大学电子与信息工程学院 兰州交通大学测绘与地理信息学院甘肃省地理国情监测工程实验室
出处
《测绘科学》
CSCD
北大核心
2020年第5期63-71,87,共10页
基金
国家自然科学基金项目(61862039,61462059)。
文摘
针对传统迭代条件模式算法用于遥感影像分割时易出现误分割的问题,该文提出了结合核密度估计理论的迭代条件模式算法。使用自适应双边滤波器对影像进行预处理以提高影像质量,运用基于核密度估计理论的爬山算法获取影像的初始标记,结合MAP-MRF框架构建一种新的ICM算法对遥感影像进行分割。实验结果表明,使用基于核密度估计理论的爬山算法获取的初始标记后,基于MAP-MRF框架构建的分割算法能得到更准确的分割结果。和已有算法相比,该算法获得的分割结果在准确率和Kappa系数上都优于传统ICM算法、基于丰富语义的ICM算法和改进的ICM算法。
关键词
遥感影像 影像分割 迭代 条件 模式 (icm )自适应双边滤波器 核密度估计 MAP-MRF框架
Keywords
remote sensing image image segmentation iterated conditional model(icm ) adaptive bilateral filter kernel density estimation Maximum a posterior Markov random field framework
分类号
P237
[天文地球—摄影测量与遥感]
