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:
场景分类是将多幅图像标记为不同语义类别的过程.该文针对现有方法对复杂图像场景分类性能欠佳的不足,提出一种新的基于空间语义对象混合学习的复杂图像场景分类方法.该方法以多尺度分割得到的图像对象而非整幅图像为主体进行产生式语义建模,统计各类有效特征挖掘对象的类别分布信息,并通过空间金字塔匹配,构建包含层次数据和语义信息的中间向量,弥补语义鸿沟的缺陷,训练中还结合判别式学习提高分类器的可信性.在实验数据集上的结果表明该方法具备较高的学习性能和分类精度,适用于多种类型和复杂内容图像的解译,具有较强的实用价值.
推荐文章
基于分类的Web图像内容混合自动注释方法
Web图像检索
图像分类
图像注释
一种基于SVMS的语义图像分类方法
语义图像检索
底层特征
高层语义
支持向量机
基于场景语义的遥感图像目标识别
高分辨率遥感图像
场景语义识别
视觉特征表示
概率潜在语义分析
基于模糊KNN的刑侦图像场景分类
刑侦图像
纹理特征
场景分类
模糊KNN
隶属度
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 基于空间语义对象混合学习的复杂图像场景自动分类方法研究
来源期刊 电子与信息学报 学科 工学
关键词 图像处理 场景分类 语义对象 混合学习 金字塔匹配
年,卷(期) 2011,(2) 所属期刊栏目 论文
研究方向 页码范围 347-354
页数 分类号 TN911.73
字数 5103字 语种 中文
DOI 10.3724/SP.J.1146.2010.00361
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 王宏琦 中国科学院电子学研究所 50 493 12.0 20.0
2 付琨 中国科学院空间信息处理与应用系统技术重点实验室 44 461 12.0 19.0
3 孙显 中国科学院电子学研究所 30 367 11.0 18.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (15)
共引文献  (19)
参考文献  (18)
节点文献
引证文献  (12)
同被引文献  (32)
二级引证文献  (30)
1986(1)
  • 参考文献(0)
  • 二级参考文献(1)
1990(1)
  • 参考文献(1)
  • 二级参考文献(0)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(2)
  • 参考文献(0)
  • 二级参考文献(2)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1999(2)
  • 参考文献(2)
  • 二级参考文献(0)
2001(5)
  • 参考文献(4)
  • 二级参考文献(1)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(5)
  • 参考文献(3)
  • 二级参考文献(2)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(4)
  • 参考文献(4)
  • 二级参考文献(0)
2010(3)
  • 参考文献(3)
  • 二级参考文献(0)
2011(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)
2012(1)
  • 引证文献(1)
  • 二级引证文献(0)
2013(2)
  • 引证文献(2)
  • 二级引证文献(0)
2014(2)
  • 引证文献(2)
  • 二级引证文献(0)
2015(6)
  • 引证文献(3)
  • 二级引证文献(3)
2016(4)
  • 引证文献(1)
  • 二级引证文献(3)
2017(8)
  • 引证文献(1)
  • 二级引证文献(7)
2018(10)
  • 引证文献(0)
  • 二级引证文献(10)
2019(8)
  • 引证文献(1)
  • 二级引证文献(7)
2020(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
图像处理
场景分类
语义对象
混合学习
金字塔匹配
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
电子与信息学报
月刊
1009-5896
11-4494/TN
大16开
北京市北四环西路19号
2-179
1979
chi
出版文献量(篇)
9870
总下载数(次)
11
总被引数(次)
95911
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导