主题模型建模框架下的高分辨率遥感影像半监督分类研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    41401374
  • 项目类别:
    青年科学基金项目
  • 资助金额:
    25.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    D0113.遥感科学
  • 结题年份:
    2017
  • 批准年份:
    2014
  • 项目状态:
    已结题
  • 起止时间:
    2015-01-01 至2017-12-31

项目摘要

Automatic classification of very high resolution (VHR) remote sensing images provides an effective means for a great variety of applications such as urban planning, environmental monitoring and disaster information extraction. However, the efficiency of existing object-based classification methods is limited due to the complex process of multi-scale segmentation. Another kind of methods based on spatial analysis of neighborhood suffers from the limitation of low self-adaptive ability. Learning from successful experiences of topic models in text analysis, this project will apply topic models to classify VHR remote sensing images, in order to overcome the shortcomings of the traditional methods. Considering the facts that basic topic models can only model discrete visual features and use the supervised information attached to document to guide learning, we will firstly establish a novel classification framework based on topic models, which is able to directly model multidimensional continuous visual features. Then, in the proposed framework, two semi-supervised approaches will be further developed to study the classification problems under the condition that partially labeled pixels are available. The main research content of this project includes: (1) establishing a classification framework that can model multidimensional continuous visual features using Gaussian-latent Dirichlet allocation model; (2) proposing a method to perform joint max-margin learning and maximum likelihood estimation for semi-supervised classification of VHR multispectral remote sensing images; (3) presenting a hybrid generative-discriminative approach for semi-supervised classification of VHR multispectral remote sensing images. Research results have great significance to improving classification accuracy and promoting the use of VHR remote sensing images in disaster monitoring, and will further deepen the research and application of topic models and semi-supervised learning.
高分辨率遥感影像自动分类为开展城市规划、环境变化检测以及灾害信息提取等提供了有效的技术手段。然而,现有面向对象分类方法多尺度分割难、基于邻域空间分析的方法自适应能力弱。本项目借鉴主题模型在文本分析领域中的成功范例,将其应用到高分辨率遥感影像分类,以克服传统方法的不足。针对该类模型只能够建模离散视觉特征和文档层面监督信息的瓶颈,构建面向多维连续视觉特征建模的主题模型框架,并在此基础上研究两种高分辨率遥感影像半监督分类算法,探索部分标注像素样本给定下的分类问题。研究内容包括:(1) 构建针对多维连续视觉特征建模的高斯-潜狄利克雷分配模型;(2) 类别边界与样本似然联合极大化的遥感影像半监督分类方法;(3) 综合判别式和生成式模型的遥感影像半监督分类方法。研究成果对于提高高分辨率遥感影像分类精度、推进其在灾害监测等方面的应用具有重要的意义,并将进一步拓展主题模型和半监督学习的研究和应用。

结项摘要

高分辨率遥感影像自动分类为开展城市规划、环境变化检测以及灾害信息提取等提供了有效的技术手段。然而,现有面向对象分类方法多尺度分割难、基于邻域空间分析的方法自适应能力弱。本项目借鉴主题模型在文本分析领域和自然图片处理中的成功范例,将其应用到高分辨率遥感影像分类,以克服传统方法的不足。研究内容包括:(1) 针对传统主题模型只能够建模离散视觉特征,建立了面向多维连续视觉特征建模的高斯-潜狄利克雷分配模型多光谱遥感影像分类框架;(2) 在多尺度分割面向对象分类框架下,借助于潜狄利克雷分配模型分析手段,提出了一种自适应的非监督分类方法;(3) 在生产式主题模型和判别式SVM联合建模框架下,提出一种融合多尺度光谱-空间-语义特征的高分辨率遥感影像分类方法;(4) 针对传统主题模型只能够建模文档层面监督信息的瓶颈,建立了嵌入像元监督信息的最大熵判别式潜狄利克雷分配模型半监督分类方法,将其应用于多光谱和高光谱遥感影像分类;(5) 联合主题模型和自学习过程,提出了一种高分辨率遥感影像尺度自适应半监督分类方法。研究成果对于提高高分辨率遥感影像分类精度、推进其在灾害监测等方面的应用具有重要的意义,并将进一步拓展主题模型和面向对象分类的研究和应用。

项目成果

期刊论文数量(9)
专著数量(0)
科研奖励数量(0)
会议论文数量(2)
专利数量(0)
像元与对象特征融合的高分辨率遥感影像道路中心线提取
  • DOI:
    --
  • 发表时间:
    2016
  • 期刊:
    测绘学报
  • 影响因子:
    --
  • 作者:
    曹云刚;王志盼;慎利;肖雪;杨磊
  • 通讯作者:
    杨磊
局部相位特征描述的多源遥感影像匹配
  • DOI:
    --
  • 发表时间:
    2017
  • 期刊:
    武汉大学学报(信息科学版)
  • 影响因子:
    --
  • 作者:
    叶沅鑫;慎利;陈敏;王继成
  • 通讯作者:
    王继成
场景解译框架下的高铁沿线建筑物自动识别
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    遥感信息
  • 影响因子:
    --
  • 作者:
    慎利;方灿明;吴林梅;戴延帅
  • 通讯作者:
    戴延帅
面向遥感影像匹配的特征点检测算子性能评估
  • DOI:
    --
  • 发表时间:
    2016
  • 期刊:
    西南交通大学学报
  • 影响因子:
    --
  • 作者:
    叶沅鑫;慎利
  • 通讯作者:
    慎利
基于空-谱约束的中餐馆过程混合模型高光谱图像聚类方法
  • DOI:
    --
  • 发表时间:
    2016
  • 期刊:
    光谱学与光谱分析
  • 影响因子:
    --
  • 作者:
    舒阳;李京;何湜;唐宏;王娜;慎利;杜红悦
  • 通讯作者:
    杜红悦

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

基于概率潜语义分析模型的高光谱影像层次聚类分析
  • DOI:
    --
  • 发表时间:
    2011
  • 期刊:
    光谱学与光谱分析
  • 影响因子:
    --
  • 作者:
    易文斌;慎利;齐银凤;唐宏
  • 通讯作者:
    唐宏
局部相位特征描述的多源遥感影像自动匹配
  • DOI:
    10.13203/j.whugis20150576
  • 发表时间:
    2017
  • 期刊:
    武汉大学学报(信息科学版)
  • 影响因子:
    --
  • 作者:
    叶沅鑫;慎利;陈敏;王继成
  • 通讯作者:
    王继成
结合空间像素模板和Adaboost算法的高分辨率遥感影像河流提取
  • DOI:
    --
  • 发表时间:
    2013
  • 期刊:
    测绘学报
  • 影响因子:
    --
  • 作者:
    慎利;唐宏;王世东;张露
  • 通讯作者:
    张露
基于AdaBoost算法的遥感影像水体信息提取
  • DOI:
    --
  • 发表时间:
    2013
  • 期刊:
    测绘科学
  • 影响因子:
    --
  • 作者:
    李长春;张光胜;慎利
  • 通讯作者:
    慎利

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

慎利的其他基金

基于弱监督深度学习的高分辨率遥感影像灾后损毁建筑物提取研究
  • 批准号:
  • 批准年份:
    2020
  • 资助金额:
    56 万元
  • 项目类别:
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码