基于条件随机场的多空间支撑决策融合
图像与视频处理
2018-08-27 v1 计算机视觉与模式识别
摘要
将遥感图像分类为土地覆盖或土地利用高度依赖于至少两个层面的地理信息。首先，土地覆盖类在空间中平滑的域内观测，由尖锐的区域边界分隔。其次，土地类别与观测尺度也紧密交织：它们倾向于在外观同质或区域的范围内保持一致，即屋顶内的所有像素都应分类为屋顶，与用于分类的空间支撑无关。本文遵循这两点观察，并将其编码为基于条件随机场（CRFs）的能量最小化框架中的先验，其中在像素与区域层面获得的分类结果被概率性融合。目的是使最终图不仅在其自身的空间支撑（像素与区域）内一致，而且跨支撑一致，即令像素格点上的预测与区域集合上的预测相互一致。为此，我们定义含三项的能量函数：1）各支撑中独立元素的数据项（支撑特定节点）；2）各支撑邻域中的空间正则项（支撑特定边）；3）独立像素与包含该像素的区域之间的正则项（跨支撑边）。我们在统一能量最小化问题中利用这些先验，可由标准求解器优化。所提 2LCRF 模型由定义在二部图上的 CRF 构成，即单个图内两个互联层以处理格间连接。
引用
@article{arxiv.1808.08024,
title = {Decision fusion with multiple spatial supports by conditional random fields},
author = {Devis Tuia and Michele Volpi and Gabriele Moser},
journal= {arXiv preprint arXiv:1808.08024},
year = {2018}
}