摘要
针对传统方法对过分割未作处理以及边界语义上下文信息不强的缺点,对水陆场景图像进行区域分类,得到描述大尺度地物分布的分类结果.该方法分为3个过程:首先对图像进行纹理特征聚类,得到初始分割结果;然后对分割图像进行区域合并;最后利用边缘密度作为区域的特征,通过对大量样本的统计分析,确定一个经验值作为分类阈值,根据阈值将各个区域标记为水域或陆地,从而得到原始图像的水陆分布.与传统方法的对比实验表明:本方法保证语义正确的同时,计算效率有较大提高,实现了场景的快速分类.
针对传统方法对过分割未作处理以及边界语义上下文信息不强的缺点,对水陆场景图像进行区域分类,得到描述大尺度地物分布的分类结果.该方法分为3个过程:首先对图像进行纹理特征聚类,得到初始分割结果;然后对分割图像进行区域合并;最后利用边缘密度作为区域的特征,通过对大量样本的统计分析,确定一个经验值作为分类阈值,根据阈值将各个区域标记为水域或陆地,从而得到原始图像的水陆分布.与传统方法的对比实验表明:本方法保证语义正确的同时,计算效率有较大提高,实现了场景的快速分类.
出处
《华中科技大学学报(自然科学版)》
EI
CAS
CSCD
北大核心
2011年第S2期113-115,共3页
Journal of Huazhong University of Science and Technology(Natural Science Edition)
基金
国家自然科学基金资助项目(60736010)
航天科技创新基金资助项目(CASC200902)
国防预研基金资助项目(9140A010609JW0514)
关键词
水陆场景
分类
面向对象
纹理特征
区域合并
water-land scene
classification
object-oriented
texture feature
region merging