-
题名基于对象BOW特征的高分辨率遥感影像变化检测方法
被引量：6
- 1
-
-
作者
罗星
徐伟铭
王佳
-
机构
福州大学地理空间信息技术国家地方联合工程研究中心
空间数据挖掘与信息共享教育部重点实验室
福建省空间信息工程研究中心
-
出处
《地球信息科学学报》
CSCD
北大核心
2018年第8期1150-1159,共10页
-
基金
福建省科技厅引导性项目(2017Y0055)
海西政务大数据协同创新中心项目
"数字福建"重大项目(闽发改网数字函[2016]203号)~~
-
文摘
针对传统基于像素的变化检测方法的缺点,以及底层特征表现能力不足等问题,提出一种基于对象BOW特征的变化检测方法。首先,将经过预处理操作的两期影像进行波段组合得到组合后影像,再考虑地物光谱特征和几何空间信息对组合后影像进行多尺度分割,获得相对应的对象基元;同时,分别提取两幅影像的底层特征(包括影像各波段的均值和方差以及灰度图像的6种纹理特征)。其次,将对象视作文档,像素的特征向量视作单词,利用BOW模型构建影像对象的中层表达,即对象的BOW特征。最后,通过相似性度量算法比较相应对象的BOW特征,从而识别出影像上的变化区域。本文利用2组WorldView-2影像进行了检验,结果表明本文方法的变化检测结果较为完整,精度优于对比方法。本文方法基本能够满足变化检测的需求,为高分辨率遥感影像上的数据挖掘分析提供了有效的手段。
-
关键词
视觉词包模型
变化检测
中层特征
对象
高分辨率遥感影像
-
Keywords
bag-of-visual-words
change detection
mid-features
objects
high resolution remote sensing images
-
分类号
TP751
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名融合底层和中层字典特征的行人重识别
被引量：6
- 2
-
-
作者
王丽
-
机构
吉林省送变电工程公司工程技术部
-
出处
《中国光学》
EI
CAS
CSCD
2016年第5期540-546,共7页
-
文摘
针对当前行人重识别方法采用单一底层特征识别率较低的问题,提出一种融合底层和中层特征的识别方法,由粗到精对人体目标进行匹配识别。首先提取目标的颜色直方图和纹理直方图进行粗分类;然后将人体目标分为头部、躯干和腿部3个部分。忽略包含信息量较少的头部,对躯干和腿部,提出一种中层图像块字典提取方法,并对照该字典生成中层特征,进行精确分类。底层特征结合中层特征使算法既具有较好的区分度,又具有良好的泛化能力。实验结果表明本文算法在VIPeR数据库上的n AUC比已有方法提高6.3%,对遮挡和背景粘连的鲁棒性更好。
-
关键词
行人重识别
颜色直方图
纹理特征
中层特征
聚类
-
Keywords
pedestrian re-identification
color histogram
texture features
mid-level features
clustering
-
分类号
TP394.1
[自动化与计算机技术—计算机应用技术]
-
-
题名基于深度学习和属性特征的行人再识别算法
被引量：6
- 3
-
-
作者
姚品
万旺根
-
机构
上海大学通信与信息工程学院
上海大学智慧城市研究院
-
出处
《电子测量技术》
2020年第12期70-74,共5页
-
基金
上海市科学技术委员会重点项目(18510760300)
安徽省自然科学基金(1908085MF178)项目资助。
-
文摘
随着基于神经网络的算法在图像领域的不断发展,神经网络算法在行人再识别领域也逐渐成为主流的算法。目前,大多数神经网络算法常把网络的最后一层特征用于行人分类,而很少关注网络中间层输出的特征。另一方面,行人属性特征作为一个有效的局部特征,是神经网络提取特征的一个重要补充。基于Resnet50网络,结合网络中间层特征和行人属性特征,提出了一个新的行人再识别算法。在Market-1501和DukeMTMC-reID数据集上进行实验,实验结果表明,所提算法相较于目前主要算法,识别准确率有较大的提升。
-
关键词
行人再识别
网络中间层特征
行人属性特征
-
Keywords
person re-identification
neural network mid-level features
person attribute features
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名利用颜色进行层次模式挖掘的图像分类方法
被引量：2
- 4
-
-
作者
朱杰
超木日力格
谢博鋆
于剑
-
机构
北京交通大学计算机与信息技术学院交通数据分析与挖掘北京市重点实验室
中央司法警官学院信息管理系
河北大学数学与信息技术学院机器学习与计算智能重点实验室
-
出处
《计算机科学与探索》
CSCD
北大核心
2017年第3期396-405,共10页
-
基金
国家自然科学基金Nos.61033013
61370129
+6 种基金
61375062
61300072
61105056
61402462
河北省教育厅青年基金项目No.QN2015099
中央司法警官学院校级科研项目No.XYZ201602
河北省科技计划项目No.15450326~~
-
文摘
图像的中间层特征挖掘能够发现不同视觉词之间的关系,然后可以利用挖掘得到的模式代替原有的视觉词进行图像表示。目前大部分的中层特征挖掘都是针对所有图像块进行的,而没有考虑到可以在局部进行模式挖掘。在局部进行模式挖掘有利于发现不同对象区域的模式,并且最终提高图像分类的准确率。提出了一种有效的基于颜色的层次模式挖掘方法。该方法把对有判别力的颜色的判断作为划分层次的标准,然后在每一层中对拥有这些颜色的图像块进行挖掘,最后用挖掘到的模式进行图像表示,并用于图像分类。实验结果表明,所提方法能够在Soccer、Flower 17和Flower 102上取得良好的分类效果。
-
关键词
有判别力的颜色选择
中间层特征挖掘
模式
分类
-
Keywords
discriminative color selection
mid-level features mining
pattern
classification
-
分类号
TP301
[自动化与计算机技术—计算机系统结构]
-
