MRF和GM模型高光谱图像地物标记

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

MRF和GM模型高光谱图像地物标记

黄廷祝, 黄秀琴, 蒋泽云

文章导航 > 电子科技大学学报 > 2008 > 37(5): 742-745,781

黄廷祝, 黄秀琴, 蒋泽云. MRF和GM模型高光谱图像地物标记[J]. 电子科技大学学报, 2008, 37(5): 742-745,781.

引用本文:

黄廷祝, 黄秀琴, 蒋泽云. MRF和GM模型高光谱图像地物标记[J]. 电子科技大学学报, 2008, 37(5): 742-745,781.

HUANG Ting-zhu, HUANG Xiu-qin, JIANG Ze-yun. Hyperspectral Image Labeling Using MRF and GM Models[J]. Journal of University of Electronic Science and Technology of China, 2008, 37(5): 742-745,781.

Citation:

HUANG Ting-zhu, HUANG Xiu-qin, JIANG Ze-yun. Hyperspectral Image Labeling Using MRF and GM Models[J]. Journal of University of Electronic Science and Technology of China, 2008, 37(5): 742-745,781.

MRF和GM模型高光谱图像地物标记

1.
电子科技大学应用数学学院成都 610054

基金项目:

国家自然科学基金(60375012)

中图分类号: TP391

Hyperspectral Image Labeling Using MRF and GM Models

1.
School of Applied Mathmatics,University of Electronic Science and Technology of China Chengdu 610054

摘要: 利用马尔可夫随机场和高斯混合模型构造了一种对高光谱图像进行地物标记的新方法。该方法利用PCA降维后的高光谱图像及其差分图像的先验信息建立高光谱图像的随机模型,并把最大后验估计作为地物标记优化的评判标准,用模拟退火算法实现地物标记。实验结果显示该算法是一种精确、高效、稳定的图形标记算法。
- 高斯混合模型 /
- 高光谱图像 /
- 标记 /
- 马尔可夫随机场
Abstract: Based on Markov Random Fields (MRF) and Gaussian Mixture (GM) models, a new method to label surface features using hyperspectral imaging is presented. The dimension of the hyperspectral image is reduced by PCA, and the stochastic model is built based on prior of the dimension-reduced images and its difference images. Then the maximum posteriori is designed as the optimal criterion and the final labels are obtained by the simulated annealing algorithm. Experimental results show that this method is accurate, efficient and robust for surface features labeling.
- Gaussian mixture model (GMM) /
- hyperspectral image /
- labeling /
- Markov random field

[1]	柯祉衡, 宋佳宝, 王一诺, 王浩文, 王淑梅, 马鸿洋. 基于交替量子随机行走的高维量子图像加密模型 . 电子科技大学学报, 2023, 52(6): 809-817. doi: 10.12178/1001-0548.2022303
[2]	李虎泉, 郭世盛, 陈家辉, 崔国龙, 孔令讲. 分布式穿墙成像雷达空间配准方法 . 电子科技大学学报, 2023, 52(1): 30-37. doi: 10.12178/1001-0548.2022162
[3]	李晓瑜, 胡勇, 卢俊邑, 朱钦圣. 基于量子条件主方程的隐马尔可夫模型 . 电子科技大学学报, 2021, 50(5): 644-649. doi: 10.12178/1001-0548.2021241
[4]	侯卫民, 赵拓, 苏佳, 高丽慧, 张易凡. 基于协同表示的高光谱和多光谱图像融合算法 . 电子科技大学学报, 2020, 49(4): 569-574. doi: 10.12178/1001-0548.2019145
[5]	韩嫚莉, 侯卫民, 孙靖国, 王明, 梅少辉. 基于PCA与协同表示的高光谱图像分类研究 . 电子科技大学学报, 2019, 48(1): 117-121. doi: 10.3969/j.issn.1001-0548.2019.01.019
[6]	鲁远耀, 周腾鹤, 闫捷. 基于局部马尔科夫随机场的模型校准嘴唇分割方法 . 电子科技大学学报, 2018, 47(3): 430-435. doi: 10.3969/j.issn.1001-0548.2018.03.017
[7]	李妍, 胡剑浩, 卢浩. 基于部分簇能量互补逻辑的MRF电路设计 . 电子科技大学学报, 2017, 46(5): 648-653. doi: 10.3969/j.issn.1001-0548.2017.05.002
[8]	戴晓爱, 郭守恒, 任淯, 杨晓霞, 刘汉湖. 基于堆栈式稀疏自编码器的高光谱影像分类 . 电子科技大学学报, 2016, 45(3): 382-386. doi: 10.3969/j.issn.1001-0548.2016.02.012
[9]	杨宏宇, 唐瑞文. 基于耗电分析的Android平台恶意软件检测 . 电子科技大学学报, 2016, 45(6): 981-985. doi: 10.3969/j.issn.1001-0548.2016.06.018
[10]	宋强, 茹蓓, 刘凌霞. 基于MRF的SMT焊点区域分割的研究 . 电子科技大学学报, 2016, 45(5): 819-823. doi: 10.3969/j.issn.1001-0548.2016.05.019
[11]	闫超, 张建州, 姜正茂. 基于外区抑制与马尔可夫模型的轮廓检测 . 电子科技大学学报, 2016, 45(1): 135-140. doi: 10.3969/j.issn.1001-0548.2016.01.023
[12]	王蕊, 李恒超, 尹忠科. 考虑端元差异性的协同稀疏高光谱解混算法 . 电子科技大学学报, 2014, 43(6): 813-816,828. doi: 10.3969/j.issn.1001-0548.2014.06.003
[13]	杨珺, 马秦生, 王敏, 曹阳. 网络取证隐马尔可夫模型证据融合方法 . 电子科技大学学报, 2013, 42(3): 350-354. doi: 10.3969/j.issn.1001-0548.2013.03.006
[14]	鹿传国, 冯新喜, 张迪, 孔云波. 马尔可夫链蒙特卡罗容积粒子滤波器 . 电子科技大学学报, 2012, 41(6): 859-864. doi: 10.3969/j.issn.1001-0548.2012.06.008
[15]	滕云龙, 师奕兵, 郑植. 接收机钟差灰色马尔可夫预测模型研究 . 电子科技大学学报, 2011, 40(2): 242-245. doi: 10.3969/j.issn.1001-0548.2011.02.017
[16]	辛勤, 粘永健, 万建伟, 何密. 基于FastICA的高光谱图像压缩技术 . 电子科技大学学报, 2010, 39(5): 711-715,730. doi: 10.3969/j.issn.1001-0548.2010.05.014
[17]	储毅, 赵敏. 基于马尔可夫决策的动态电源管理技术 . 电子科技大学学报, 2007, 36(3): 521-523.
[18]	曹刚, 游志胜, 赵树龙. 基于小波隐性马尔可夫树模型的车牌定位 . 电子科技大学学报, 2004, 33(5): 515-518.
[19]	谭良, 罗讯, 周明天. 动态多级安全系统安全标记的格模型 . 电子科技大学学报, 2004, 33(4): 442-445.
[20]	尹星云, 王洵, 董兰芳, 万寿红. 用隐马尔可夫模型设计人脸表情识别系统 . 电子科技大学学报, 2003, 32(6): 725-728.

WeChat

点击查看大图

计量

文章访问数: 3488
HTML全文浏览量: 116
PDF下载量: 45
被引次数: 0

MRF和GM模型高光谱图像地物标记

1. 电子科技大学应用数学学院成都 610054

基金项目:

国家自然科学基金(60375012)

收稿日期: 2007-04-22
修回日期: 2008-01-25
刊出日期: 2008-10-15

中图分类号: TP391

关键词:

摘要: 利用马尔可夫随机场和高斯混合模型构造了一种对高光谱图像进行地物标记的新方法。该方法利用PCA降维后的高光谱图像及其差分图像的先验信息建立高光谱图像的随机模型,并把最大后验估计作为地物标记优化的评判标准,用模拟退火算法实现地物标记。实验结果显示该算法是一种精确、高效、稳定的图形标记算法。

English Abstract

黄廷祝, 黄秀琴, 蒋泽云. MRF和GM模型高光谱图像地物标记[J]. 电子科技大学学报, 2008, 37(5): 742-745,781.

引用本文:

黄廷祝, 黄秀琴, 蒋泽云. MRF和GM模型高光谱图像地物标记[J]. 电子科技大学学报, 2008, 37(5): 742-745,781.

HUANG Ting-zhu, HUANG Xiu-qin, JIANG Ze-yun. Hyperspectral Image Labeling Using MRF and GM Models[J]. Journal of University of Electronic Science and Technology of China, 2008, 37(5): 742-745,781.

Citation:

HUANG Ting-zhu, HUANG Xiu-qin, JIANG Ze-yun. Hyperspectral Image Labeling Using MRF and GM Models[J]. Journal of University of Electronic Science and Technology of China, 2008, 37(5): 742-745,781.

全文HTML

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回

期刊在线

编辑办公

友情链接

电子科技大学

版权所有 © 《电子科技大学学报》编辑部

地址: 成都市建设北路二段四号电子科技大学主楼中350室电话: 028-83202308,83207559 Email: xuebao@uestc.edu.cn

本系统由北京仁和汇智信息技术有限公司开发