结合显著性检测和超像素分割的遥感信息提取算法研究

• 作者: 丁海峰 唐韵玮 李慧 荆林海 闫琦
• 来源期刊: 计算机应用研究
• 关键词: 遥感信息提取 GBVS显著性检测 SLIC超像素分割 训练样本 统计学习
• 年，卷（期）: 2018,（7）
• 所属期刊栏目: 图形图像技术
• 页码范围: 2207-2210,2218
• 页数: 5页
• 分类号: TP751.1|TP301.6
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2018.07.070

摘要

针对目前显著性检测算法在复杂多目标遥感图像中检测能力不足的问题,提出一种结合显著性检测和超像素分割的遥感信息提取算法.该算法通过GBVS(graph-based visual saliency)方法检测出原始影像中部分显著性较高的区域,然后利用SLIC(simple linear iterative clustering)方法分割显著区域,并修正显著区域边缘得到训练样本数据,进一步对训练样本进行统计学习,构造显著目标提取的阈值区间,最后实现对整幅超像素图像的显著目标提取.实验结果表明,该算法具有较高的准确率和召回率,能更加有效地检测出遥感图像中的显著目标,比目前主流的显著区域检测算法提取效果更好,可以很好地应用于具有明显显著区域的复杂多目标遥感图像信息提取中.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李慧	中国科学院遥感与数字地球研究所数字地球重点实验室	120	1144	19.0	29.0
2	荆林海	中国科学院遥感与数字地球研究所数字地球重点实验室	20	259	8.0	16.0
3	丁海峰	中国科学院遥感与数字地球研究所数字地球重点实验室	10	40	4.0	6.0
4	闫琦	中国科学院遥感与数字地球研究所数字地球重点实验室	3	4	1.0	2.0
8	唐韵玮	中国科学院遥感与数字地球研究所数字地球重点实验室	8	47	4.0	6.0