基于几何划分和层次结构模型的高分辨率遥感影像分割方法研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    41301479
  • 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:
    2016
  • 批准年份:
    2013
  • 项目状态:
    已结题
  • 起止时间:
    2014-01-01 至2016-12-31

项目摘要

The last generation satellite data acquiring systems increasingly provide high spatial resolution remote sensing images. The availability of high spatial resolution remote sensing images makes it possible to describe and map the Earth surface both with great geometrical precision and a high level of thematic detail. On the other hand, the increases of geometrical noise and internal spectral variability of each land cover and land use class caused by the improvement in spatial resolution completely changes the perspective of remote sensing image analysis compared with moderate resolution remote sensing image provided by previous-generation remote sensing data acquiring systems. To address the development of novel techniques for the segmentation of high spatial resolution remote sensing image, the research of this project will focus on (1) tessellation based hierarchical model of high spatial resolution remote sensing image, (2) Bayes theory based high spatial resolution remote sensing image segmentation model, (3) parameter estimation scheme for simulating the above image segmentation model, (4) convergence analysis, and (5) evaluation of results. This project proposes a novel region and statistic distribution based method for the segmentation of high spatial resolution remote sensing image. The proposed method is aimed at obtaining accurate and reliable segmented map to help for further high-level remote sensing image processing tasks such as feature extraction, object recognition, and classification.
随着空间分辨率的提高,遥感影像中像素光谱测度空间相关性更加复杂,因此合理建模这种相关性是高分辨率遥感影像精准分割的关键因素。项目以建立高分辨率遥感影像像素光谱测度空间相关性层次结构模型这一科学问题为核心,对高分辨率遥感影像精准分割算法展开深入的理论与实践研究,实现精度高、可靠性强的高分辨率遥感影像分割。在随机几何、随机场以及贝叶斯等理论基础上,项目重点研究(1)影像域几何划分、地物目标形状的几何表达、像素光谱测度在邻域级、区域级、全局级的统计分布规律,以建立遥感影像的层次结构模型;(2)高分辨率遥感影像分割模型;(3)可变维状态空间的模型参数估计算法;(4)遥感影像分割算法收敛性;(5)影像分割结果验证及评价方法。项目研究成果将给出普适的高分辨率遥感影像空间相关性建模方法学,并将其融入到遥感影像分割算法的设计中,为高分辨率遥感影像的精准解译提供一种新思路。

结项摘要

随着空间分辨率的提高,遥感影像中像素光谱测度空间相关性更加复杂,因此合理建模这种相关性是高分辨率遥感影像精准分割的关键因素。项目以建立高分辨率遥感影像像素光谱测度空间相关性层次结构模型这一科学问题为核心,对高分辨率遥感影像精准分割算法展开深入的理论与实践研究。在随机几何、随机场、贝叶斯及模糊集等理论基础上,重点研究了以下内容。. (1)利用几何划分技术,包括Voronoi划分、规则划分、Delaunay三角网划分,将影像域划分为可随机变化的子区域集,并用子区域拟合统计上同质的地物目标区域;并通过实验比较了不同几何划分技术对任意几何形状的拟合精度。. (2)在像素层次上采用一系列统计分布模型刻画像素光谱测度统计规律及邻域像素的相互作用;在划分区域层次上,采用静态随机场模型建模划分后各子区域内像素光谱测度的统计一致性;在全局层次上,将邻域区域间相关性模型看作是对邻域像素相关性模型的扩展,引入MRF模型建模邻域子区域之间的相关性。综合上述像素、区域及全局模型建立高分辨率遥感影像层次化结构模型。 .(3)在贝叶斯理论构架下,结合高分辨率遥感影像层次结构模型及其分布参数的先验概率模型构建遥感影像分割模型,即在给定遥感影像条件下的后验联合分布概率或边缘概率分割模型。进一步地,在模糊集理论框架下,利用影像域划分构建了区域化模糊聚类分割模型。.(4)设计了马尔科夫链蒙特卡洛(Markov Chain Montero Carlo, MCMC)、可逆变马尔科夫链蒙特卡洛(Reversible Jump Markov Chain Montero Carlo, RJMCMC)、期望最大化(Expectation Maximization, EM)和期望条件最大化(Expectation Conditional Maximization, ECM)等算法,以获取最优影像分割解和模型参数估计值,从而实现遥感影像的最优分割。.(5)利用基于误差矩阵的精度评价方法,以及基于分割区域轮廓线缓冲区的精度评价方法对分割结果进行精度评价。

项目成果

期刊论文数量(29)
专著数量(0)
科研奖励数量(0)
会议论文数量(3)
专利数量(0)
基于隐马尔可夫高斯随机场模型的模糊聚类高分辨率遥感影像分割算法
  • DOI:
    --
  • 发表时间:
    2016
  • 期刊:
    电子学报
  • 影响因子:
    --
  • 作者:
    赵雪梅;李玉;赵泉华
  • 通讯作者:
    赵泉华
邻域约束高斯混合模型的模糊聚类图像分割
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    模式识别与人工智能
  • 影响因子:
    --
  • 作者:
    赵泉华;张洪云;赵雪梅;李玉
  • 通讯作者:
    李玉
A Fuzzy Clustering Image Segmentation Algorithm Based on Hidden Markov Random Field Models and Voronoi Tessellation
基于隐马尔可夫随机场模型和Voronoi曲面细分的模糊聚类图像分割算法
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    Pattern Recognition Letters
  • 影响因子:
    5.1
  • 作者:
    Quanhua Zhao;Xiaoli Li;Yu Li;Xuemei Zhao
  • 通讯作者:
    Xuemei Zhao
可变类空间约束高斯混合模型遥感图像分割
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    通信学报
  • 影响因子:
    --
  • 作者:
    赵泉华;石雪;王玉;李玉
  • 通讯作者:
    李玉
结合规则划分和M-H算法的SAR图像分割
  • DOI:
    --
  • 发表时间:
    2016
  • 期刊:
    武汉大学学报(信息科学版)
  • 影响因子:
    --
  • 作者:
    王玉;李玉;赵泉华
  • 通讯作者:
    赵泉华

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

基于通讯信号塔RCS 建模的SAR 影像 绝对辐射定标
  • DOI:
    10.1002/ange.201710790
  • 发表时间:
    2021
  • 期刊:
    武大学报信息科学版
  • 影响因子:
    --
  • 作者:
    李佳楠;李玉;赵泉华;姜昊男;洪勇
  • 通讯作者:
    洪勇
结合EM/MPM算法和Voronoi划分的图像分割方法
  • DOI:
    --
  • 发表时间:
    2013
  • 期刊:
    信号处理
  • 影响因子:
    --
  • 作者:
    赵泉华;李玉;何晓军
  • 通讯作者:
    何晓军
区域化模糊C均值高分辨率彩色遥感影像分割方法
  • DOI:
    --
  • 发表时间:
    2015
  • 期刊:
    控制与决策
  • 影响因子:
    --
  • 作者:
    赵泉华;李红莹;李玉
  • 通讯作者:
    李玉
基于Voronoi几何划分和EM/MPM算法的多视SAR图像分割
  • DOI:
    --
  • 发表时间:
    2013
  • 期刊:
    遥感学报
  • 影响因子:
    --
  • 作者:
    赵泉华;李玉;何晓军;宋伟东
  • 通讯作者:
    宋伟东
基于信息聚类的遥感图像分割
  • DOI:
    --
  • 发表时间:
    2017
  • 期刊:
    中国矿业大学学报
  • 影响因子:
    --
  • 作者:
    徐秋晔;李玉;林文杰;赵泉华
  • 通讯作者:
    赵泉华

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

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