QQ客服 官方微博 反馈留言

题名	基于产生式建模的高分辨率复杂目标提取技术研究
作者	林殷
学位类别	博士
答辩日期	2008-06-30
授予单位	中国科学院电子学研究所
授予地点	电子学研究所
导师	王宏琦
关键词	高分辨率遥感图像 目标提取 产生式 建模 模型参数求解 隐含语义分析（pLSA） 标记点过程 马尔科夫链蒙特卡洛（MCMC） 数据驱动的生灭 随机扩散 本地图像块模型
其他题名	The Research of High-resolution Complex Object Extraction by Generative Modeling
中文摘要	高分辨率遥感图像已在科研、民用、军事的诸多领域得到广泛应用，高分辨率遥感图像中的目标识别和提取更成为一个研究热点。在目标的识别和提取的应用中，产生式模型基于目标的建模方式更接近人类对图像的理解，自定义的先验可以利用先验知识可以对提取结果做出约束，基于产生式的目标提取和识别方法研究有重要的理论意义和广阔的应用前景。 基于产生式的目标提取和识别的基础是对目标建立适当的模型并求解模型参数。目前产生式建模大多是针对较简单的目标，对于高分辨率遥感图像中的复杂目标，建模较为困难；在建立适当的模型后，需要求解模型参数以达到目标提取和识别的目的，在图像较大、目标数量较多的情况下求解模型参数较为困难，目前的求解算法大多效率不高。 针对高分辨率遥感图像中的复杂目标的建模问题，本文以尺度不变描述子为特征，着重研究了使用概率隐含语义分析（pLSA）对高分辨率遥感图像建模的方法，概率隐含语义分析有效的降低了图像维度，将像素的表示转换成语义的概率，概率隐含语义分析的引入使得对高分辨率遥感图像中的复杂目标建模成为可能。 针对模型求解问题，本文以随机理论和统计学为理论依据，着重研究了基于MCMC的模型参数求解算法。目前的遥感图像目标提取中的MCMC算法大多是基于均匀分布的采样策略的，计算效率不高，本文充分利用了图像信息和目标分布的局部性的特点，提出了基于数据驱动生灭和随机扩散的采样算法，为基于点过程建模的模型参数求解任务提供了一个统一的解决思路和理论框架。 最后针对高分辨率遥感图像中复杂目标提取的应用，提出了综合标记点过程和pLSA的本地图像块模型。该模型使用pLSA建模复杂目标的数据项，使用标记点过程中的方法建模目标的先验。针对高分辨率遥感图像中的复杂目标可以使用本地图像块模型进行建模，并使用基于数据驱动生灭和随机扩散的采样算法求解模型参数。 本文的主要创新点为： 提出了pLSA动态字典拓展算法 在使用pLSA建模图像的过程中，新的类型的图像有可能会不断的加入。pLSA的特征字典是其数据表示的核心，在新分类加入时可能会出现旧字典不能很好的覆盖新特征的问题。针对该问题，本文提出了动态的字典拓展方法，在保持量化误差稳定的基础上加大字典规模，新分类加入时只有部分特征需要重新构建字典，提高了拓展应用的效率，避免了每次需要重新生成字典的低效率处理方式。 提出了一种基于数据驱动生灭和随机扩散的模型求解算法 该算法将MCMC中的跳转分为两种类型：变维的跳转和非变维的跳转。对于变维的跳转，采用基于非均匀分布生灭概率的数据驱动生灭采样方法；对于非变维的跳转，充分利用目标的局部性，采用随机扩散采样方法。该算法充分利用了图像信息和目标分布的局部性的特点，提高了采样效率。同时在研究数据驱动的生灭采样算法过程中，给出了复杂目标生灭概率的估计原则。本文也通过实验验证了该算法具有较高的求解效率。 提出了本地图像块模型 针对高分辨率的复杂目标提取问题，提出了基于产生式的本地图像块模型。该模型综合了标记点过程和pLSA的优势，使用pLSA对复杂目标数据项建模，用标记点过程的方法对目标的先验项建模；并可使用基于数据驱动生灭和随机扩散模型求解算法进行参数求解。该模型解决了高分辨率遥感图像中通常难以显式建模的复杂目标的建模问题。通过对高分辨率遥感图像中道路和飞机等目标提取的应用，验证了该模型在建模复杂目标上的有效性。
语种	中文
公开日期	2011-07-19
页码	111
内容类型	学位论文
源URL	[http://159.226.65.12/handle/80137/8629]
专题	电子学研究所_电子所博硕士学位论文_电子所博硕士学位论文_学位论文
推荐引用方式 GB/T 7714	林殷. 基于产生式建模的高分辨率复杂目标提取技术研究[D]. 电子学研究所. 中国科学院电子学研究所. 2008.

个性服务

查看访问统计

相关权益政策

暂无数据

收藏/分享

除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。