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:
为得到极化SAR图像中不同异质程度区域的准确分割,本文提出一种选择利用Wishart和K统计描述的极化SAR图像分割方法。该方法采用分形网络演化算法思想,将简单线性迭代聚类算法生成的超像素作为初始对象;再根据区域异质度指标,选择利用Wishart分布或K分布描述对象的统计相似性;最终实现综合利用Wishart和K统计描述的极化SAR图像分形网络演化分割。通过模拟数据和真实极化数据进行实验并与其它方法相比较,结果表明,本文方法在整体上能准确分割不同异质程度的地物,在局部细节上分割结果边界更精细。
推荐文章
基于H/A/α-Wishart分类的极化SAR图像船只检测
极化合成孔径雷达
船只检测
目标分解
非监督分类
基于描述方法的SAR图像分割
合成孔径雷达图像分割
最小描述长度
熵编码
相干斑滤波
基于Wishart分布和MRF的多视全极化SAR图像分割
极化
合成孔径雷达
图像分割
Wishart分布
马尔可夫随机场
基于目标分解的极化SAR图像SVM监督分类
极化合成孔径雷达
图像分类
目标分解
支持向量机
Wishart迭代
模糊C-均值
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 选择利用Wishart和K统计描述的极化SAR图像分割
来源期刊 电子科技大学学报 学科 工学
关键词 分形网络演化算法 图像分割 K分布 极化SAR Wishart分布
年,卷(期) 2016,(5) 所属期刊栏目 通信与信息工程
研究方向 页码范围 713-719
页数 7页 分类号 TN958
字数 4007字 语种 中文
DOI 10.3969/j.issn.1001-0548.2016.05.001
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 陈启浩 中国地质大学武汉信息工程学院 10 176 6.0 10.0
2 刘修国 中国地质大学武汉信息工程学院 100 2396 27.0 45.0
3 陈奇 中国地质大学武汉信息工程学院 25 330 9.0 17.0
4 徐乔 中国地质大学武汉信息工程学院 3 12 2.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (17)
共引文献  (12)
参考文献  (14)
节点文献
引证文献  (6)
同被引文献  (50)
二级引证文献  (18)
1984(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)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(3)
  • 参考文献(1)
  • 二级参考文献(2)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(3)
  • 参考文献(2)
  • 二级参考文献(1)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(1)
  • 参考文献(0)
  • 二级参考文献(1)
2011(3)
  • 参考文献(2)
  • 二级参考文献(1)
2012(5)
  • 参考文献(2)
  • 二级参考文献(3)
2013(2)
  • 参考文献(1)
  • 二级参考文献(1)
2014(3)
  • 参考文献(3)
  • 二级参考文献(0)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(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)
2017(1)
  • 引证文献(1)
  • 二级引证文献(0)
2018(6)
  • 引证文献(2)
  • 二级引证文献(4)
2019(13)
  • 引证文献(3)
  • 二级引证文献(10)
2020(4)
  • 引证文献(0)
  • 二级引证文献(4)
研究主题发展历程
节点文献
分形网络演化算法
图像分割
K分布
极化SAR
Wishart分布
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
电子科技大学学报
双月刊
1001-0548
51-1207/T
大16开
成都市成华区建设北路二段四号
62-34
1959
chi
出版文献量(篇)
4185
总下载数(次)
13
总被引数(次)
36111
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