一种基于CNN与梯度分水岭算法的卫星图像区域分割识别方法

• 作者: 张日升 张燕琴 朱桂斌 陈威静
• 来源期刊: 红外技术
• 学科: 工学
• 关键词: 卷积神经网络 梯度分水岭 卫星图像 分割识别
• 年，卷（期）: 2017,（12）
• 所属期刊栏目: 图像处理与仿真
• 页码范围: 1114-1119
• 页数: 6页
• 分类号: TP389.1
• 字数: 2958字
• 语种: 中文

摘要

卫星图像的准确分割与识别在军事、环境、民生方面都有着重要的研究意义与价值.传统的区域分割算法如分水岭算法、k-means算法等在错综复杂的卫星图像中表现不佳,且不能同时给出区域的类别.为解决上述问题,本文提出一种结合CNN与分水岭算法的图像区域分割方法.该方法首先使用人工标记的区域图像训练CNN(卷积神经网络)分类器,且使其具有旋转不变性及平移不变性,从而能适应不同状态下的图像分类.然后用分水岭算法对图像进行区域粗粒度的聚类,针对分割出的每一个候选区域,使用CNN分类器对其迭代打分,最后得到分割区域并给出识别结果.实验结果表明,该方法较传统方法有更好效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱桂斌	重庆通信学院应急通信重庆市重点实验室	43	366	10.0	17.0
2	陈威静	重庆通信学院应急通信重庆市重点实验室	4	11	3.0	3.0
3	张日升	重庆通信学院应急通信重庆市重点实验室	3	32	3.0	3.0