基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对因天气变化而产生的色彩转移、光照变化以及相似地形(如土地和沙地)的反射频谱模糊性等因素造成的地形分类性能下降的问题,提出了一种基于高斯混合模型(GMM)的地形分类算法.首先,提取不同光照条件下地形的特征,这种特征是基于改进的离散余弦变换(DCT)纹理特征和在Y1Q空间提取的颜色特征的融合特征,然后用这些特征数据训练GMM,对于GMM组成模型数目则采用贝叶斯信息准则(BIC)加以确定.另外针对不同地形区域边界上分类性能差以及同一地形在相同条件下非一致性问题,还提出了一种分类策略.该策略的原理是利用当前特征窗口周围邻域的所属类别概率的平均值大小来决定当前特征窗口的类别.应用提出的算法在两个数据库上进行了实验,取得了令人满意的效果.
推荐文章
复杂环境下基于高斯混合模型的目标检测方法
运动目标检测
高斯混合模型
背景更新
局部保护降维与高斯混合模型的高光谱图像分类
高斯混合模型
局部保护投影
局部保护非负矩阵分离
高光谱图像分类
基于在线分裂合并EM算法的高斯混合模型分类方法
高斯混合模型
在线训练
分裂融合算法
模式分类
基于多元混合高斯分布的多分类人脸识别方法
重尾噪声
多元混合高斯分布
参数估计
核函数
贝叶斯理论
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于高斯混合模型的非结构复杂环境地形分类
来源期刊 计算机科学 学科 工学
关键词 非结构复杂环境 地形分类 高斯混合模型 颜色纹理融合特征 分类策略
年,卷(期) 2009,(6) 所属期刊栏目 图形图像及体系结构
研究方向 页码范围 268-272
页数 5页 分类号 TP3
字数 5511字 语种 中文
DOI 10.3969/j.issn.1002-137X.2009.06.073
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 赵春霞 南京理工大学计算机科学与技术学院 177 2193 25.0 36.0
2 韩光 南京理工大学计算机科学与技术学院 9 79 4.0 8.0
3 袁夏 南京理工大学计算机科学与技术学院 14 165 8.0 12.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (9)
节点文献
引证文献  (2)
同被引文献  (0)
二级引证文献  (0)
1995(1)
  • 参考文献(1)
  • 二级参考文献(0)
2000(1)
  • 参考文献(1)
  • 二级参考文献(0)
2001(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(2)
  • 参考文献(2)
  • 二级参考文献(0)
2007(2)
  • 参考文献(2)
  • 二级参考文献(0)
2009(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2014(1)
  • 引证文献(1)
  • 二级引证文献(0)
2017(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
非结构复杂环境
地形分类
高斯混合模型
颜色纹理融合特征
分类策略
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机科学
月刊
1002-137X
50-1075/TP
大16开
重庆市渝北区洪湖西路18号
78-68
1974
chi
出版文献量(篇)
18527
总下载数(次)
68
相关基金
国家高技术研究发展计划(863计划)
英文译名:The National High Technology Research and Development Program of China
官方网址:http://www.863.org.cn
项目类型:重点项目
学科类型:信息技术
论文1v1指导