一种基于判别性与冗余性质量度量的航空图像识别框架
计算机视觉与模式识别
2016-11-04 v1
摘要
航空图像分类在遥感与人工智能中发挥着不可或缺的作用。在本文中，我们提出了一种新的航空图像分类框架，重点在于将每张航空图像的局部图块组织成多个判别性子图。这些子图反映了航空图像的几何属性和颜色分布。首先，根据颜色强度将每张航空图像分解为区域集合。由此构建区域连接图 (RCG)，对空间相邻区域间的连接进行建模，以编码航空图像的空间上下文。其次，采用子图挖掘技术从训练航空图像构建的 RCG 中发现频繁结构。随后，从这些频繁结构中筛选出一组 refined 结构，使其具有高度判别性且低冗余。最后，给定一张新的航空图像，提取对应于 refined 结构的子 RCG。将它们进一步量化为判别性向量，用于 SVM 分类。详尽的实验结果验证了所提方法的有效性。此外，可视化的挖掘子图表明，发现了每张航空图像的判别性拓扑结构。
引用
@article{arxiv.1410.2188,
title = {An Aerial Image Recognition Framework using Discrimination and Redundancy Quality Measure},
author = {Yuxin Hu and Luming Zhang},
journal= {arXiv preprint arXiv:1410.2188},
year = {2016}
}