基于自适应权值FNEA算法的高分辨率遥感图像分割

基于自适应权值FNEA算法的高分辨率遥感图像分割

, ,

文章导航 > 自然资源遥感 > 2013 > (4): 22-25

贾春阳, 李卫华, 李小春. 基于自适应权值FNEA算法的高分辨率遥感图像分割[J]. 自然资源遥感, 2013, (4): 22-25. doi: 10.6046/gtzyyg.2013.04.04

引用本文:

贾春阳, 李卫华, 李小春. 基于自适应权值FNEA算法的高分辨率遥感图像分割[J]. 自然资源遥感, 2013, (4): 22-25. doi: 10.6046/gtzyyg.2013.04.04

High-resolution remote sensing image segmentation based on weight adaptive fractal net evolution approach[J]. Remote Sensing for Natural Resources, 2013, (4): 22-25. doi: 10.6046/gtzyyg.2013.04.04

Citation:

High-resolution remote sensing image segmentation based on weight adaptive fractal net evolution approach[J]. Remote Sensing for Natural Resources, 2013, (4): 22-25. doi: 10.6046/gtzyyg.2013.04.04

基于自适应权值FNEA算法的高分辨率遥感图像分割

空军工程大学信息与导航学院,西安,710077

空军工程大学

详细信息

中图分类号: TP751.1%TP311

刊出日期: 2014-04-15

High-resolution remote sensing image segmentation based on weight adaptive fractal net evolution approach

Publish Date: 15 April 2014

摘要: 在高分辨率遥感图像分割方法中,分形网络演化算法(fractal net evolution approach,FNEA)是一种经典的影像对象构造方法.但在计算影像对象之间的异质性时,使用根据经验选择的固定权值会导致该算法不能很好地适应不同属性的影像对象分割.针对这一问题,提出了一种改进的FNEA方法,根据不同影像对象的空间和光谱特征,自适应地计算空间判据权值和紧凑度判据权值,并将不同光谱分量对光谱判据的贡献引入到影像对象之间异质性的计算中.计算机仿真实验结果表明,该文提出的算法对不同属性的影像对象具有很好的适应性,与同类算法相比,图像分割结果得到了较好的改善.
- 影像对象 /
- 分形网络演化算法(FNEA) /
- 自适应权值

资源附件(0)

计量

文章访问数: 502
PDF下载数: 0
施引文献: 0

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回