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:
目的 针对两期高分辨率遥感影像,提出一种结合邻域相关影像(NCI)和最大相关性最小冗余性特征选择(mRMR)的面向对象变化检测方法.方法 为了验证该方法的有效性,设计了3组对比实验:1)只使用mRMR特征选择与未使用mRMR特征选择的效果比较;2)使用NCI与mRMR特征选择相结合与只使用NCI的效果比较;3)使用NCI与mRMR特征选择相结合与只使用mRMR特征选择的效果比较.结果 实验结果表明,使用NCI与mRMR特征选择相结合的变化检测效果要优于只使用NCI或是只使用mRMR特征选择的效果,更优于两者都不使用的效果.结论 理论上本文方法并不会因为采用了不同的高分辨率遥感数据源而影响其对变化检测的优越性,实际情况是否如此,还需进一步通过实验验证.
推荐文章
利用近似马尔科夫毯的最大相关最小冗余特征选择算法
特征选择
特征相关
冗余特征
近似马尔科夫毯
面向对象特征融合的高分辨率遥感图像变化检测方法
面向对象
图像分割
尺度
光谱特征
纹理特征
形状特征
面向对象的高分辨率遥感影像森林植被 变化检测方法对比研究
高分辨率遥感影像
森林植被变化检测
变化检测方法
面向对象
采用独立阈值的遥感影像变化检测方法
变化检测
小比例变化量区域
像斑
样本选择
期望最大化算法
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 结合邻域相关影像与最大相关性最小冗余性特征选择的面向对象变化检测
来源期刊 中国图象图形学报 学科 工学
关键词 遥感影像 高分辨率 面向对象 变化检测 邻域相关影像 特征选择
年,卷(期) 2014,(1) 所属期刊栏目 遥感图像处理
研究方向 页码范围 158-166
页数 9页 分类号 TP751.1
字数 5753字 语种 中文
DOI 10.11834/jig.20140120
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 潘耀忠 北京师范大学资源学院 91 3969 29.0 62.0
2 朱文泉 北京师范大学资源学院 51 1864 21.0 43.0
3 李宜展 北京师范大学资源学院 9 147 6.0 9.0
4 邹利东 北京师范大学资源学院 2 23 2.0 2.0
5 周公器 北京师范大学地遥学院 4 25 3.0 4.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (10)
共引文献  (19)
参考文献  (9)
节点文献
引证文献  (11)
同被引文献  (87)
二级引证文献  (24)
1968(1)
  • 参考文献(0)
  • 二级参考文献(1)
1987(1)
  • 参考文献(0)
  • 二级参考文献(1)
1988(1)
  • 参考文献(1)
  • 二级参考文献(0)
1989(1)
  • 参考文献(1)
  • 二级参考文献(0)
1994(2)
  • 参考文献(1)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(4)
  • 参考文献(2)
  • 二级参考文献(2)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(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)
2015(2)
  • 引证文献(2)
  • 二级引证文献(0)
2016(3)
  • 引证文献(3)
  • 二级引证文献(0)
2017(5)
  • 引证文献(1)
  • 二级引证文献(4)
2018(8)
  • 引证文献(3)
  • 二级引证文献(5)
2019(15)
  • 引证文献(2)
  • 二级引证文献(13)
2020(2)
  • 引证文献(0)
  • 二级引证文献(2)
研究主题发展历程
节点文献
遥感影像
高分辨率
面向对象
变化检测
邻域相关影像
特征选择
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
中国图象图形学报
月刊
1006-8961
11-3758/TB
大16开
北京9718信箱
82-831
1996
chi
出版文献量(篇)
5906
总下载数(次)
17
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导