-
公开(公告)号：CN106023145A
公开(公告)日：2016-10-12
申请号：CN201610297891.0
申请日：2016-05-06
Applicant: 哈尔滨工程大学
IPC: G06T7/00
CPC classification number: G06T2207/10032 , G06T2207/20084
Abstract: 本发明提供的是一种基于超像素标注的遥感图像的分割与识别方法。利用超像素分割算法对遥感图像进行过分割，获得超像素分割结果，对超像素块进行类别标注，获得学习样本。然后提取超像素样本的视觉特征，以其标注结果为教师信号用分类器对这些学习样本进行训练，并保存训练好的分类器信息。对待分析的遥感图像进行过分割获得超像素结果，对每个超像素提取视觉特征后送入分类器进行分类，在每个超像素块都获得了类别标记后，合并相同类别标记的超像素块，即待分析图像的所有区域都得到了类别信息。本发明避免了直接对遥感图像进行分割，极大程度上的保留了实际区域的边缘信息，融合了分割和识别过程，具有更加优秀的分割和识别能力。
-
公开(公告)号：CN104952076A
公开(公告)日：2015-09-30
申请号：CN201510340934.4
申请日：2015-06-18
Applicant: 哈尔滨工程大学
IPC: G06T7/00
CPC classification number: G06T7/11
Abstract: 本发明属于聚类技术的图像分割领域，具体涉及一种基于分块相似性度量的图像分割方法。本发明读入一幅自然场景图像，图像大小为M×N，确定欲分割的类别数目K，根据固定划分方式将图像划分为若干个面积相等的矩形区块，每个区块的大小为m×n；在固定划分的基础上对图像进行重叠划分，即将固定划分的块边界线，每次向右并向下移动过l个像素点，直到与原来的固定划分的块边界线重合为止；使每个像素点属于原来的固定划分中的一个区块，包含于不同的区块。本发明提出了一种基于分块相似性度量的图像分割方法，将像素之间的位置关系考量隐含在小区块中，对重叠划分出来的区块进行聚类分割，有效地改善了对像素进行聚类的分割效果。
-
公开(公告)号：CN102436583B
公开(公告)日：2013-10-30
申请号：CN201110287729.8
申请日：2011-09-26
Applicant: 哈尔滨工程大学
Inventor： 刘咏梅
Abstract: 本发明提供的是一种基于对标注图像学习的图像分割方法。分为两个过程；过程1首先对标注好的训练样本进行学习，包括对训练图像的分割、训练图像的场景分类以及特定场景下的标注字与分割区域的联接建立；过程2利用过程1学习到得模型参数确定待分割区域的标注字，并通过区域的标注信息进行信息融合，完成分割。本发明通过对标注图像的学习将图像分割和识别过程相融合，将标注字作为图像分割和物体识别的联系纽带，在低级的视觉刺激与代表高级语义信息的标注字之间建立联接，来指导图像分割过程，以提高图像分割结果的认知能力。可以直接应用到自动图像标注、医学图像的计算机辅助诊断、遥感图像的分割和分类以及多媒体信息检索等实际应用领域。
-
公开(公告)号：CN102142089B
公开(公告)日：2012-09-26
申请号：CN201110002770.6
申请日：2011-01-07
Applicant: 哈尔滨工程大学
IPC: G06F17/30
Abstract: 本发明提供的是一种基于语义二叉树的图像标注方法。步骤1，对于特定场景的图像集，采用图像分割算法对用于学习的标注图像进行分割，获得图像区域的视觉描述；步骤2，构造用于学习的所有图像的视觉最近邻图；步骤3，根据步骤2中的最近邻图建立所述场景的语义二叉树；步骤4，对所述场景下的待标注图像，从语义二叉树的根节点到叶子节点找到相应位置，并将该节点处到根节点的所有标注字传递给所述图像。本发明旨在对特定场景下的训练用的标注图像集建立语义二叉树，来提高利用图像视觉特征进行场景分类后的图像的自动语义标注的精度。
-
-
-
Search Results
34
records
(took 0.028 seconds)
