公共文化服务平台

崔卫红: 作品数：33 被引量：238H指数：9; 供职机构：武汉大学遥感信息工程学院更多>>; 发文基金：国家自然科学基金陕西省自然科学基金湖北省自然科学基金更多>>; 相关领域：自动化与计算机技术天文地球文化科学农业科学更多>>

合作作者

一种基于统计学习理论的最小生成树图像分割准则被引量：4: 2017年; 根据基于区域增长的面向对象图像分割的本质特点,将统计学习理论与最小生成树算法相结合,提出了一种基于统计学习理论的最小生成树图像分割准则。将该图像分割准则应用于多种遥感影像数据进行分割实验,其结果表明基于统计学习理论的最小生成树图像分割准则能通过简便的参数设置,即可以较好地实现不同尺度目标的图像分割,同时又能对纹理区域进行有效分割,能获得良好的区域边界和较好的抗噪声性能,并在海岸带大比例尺无人机正射影像的图像分割实践中得到了较好验证。; 王平魏征崔卫红林志勇; 关键词：统计学习最小生成树

高分遥感影像不同形状建筑物半自动提取与规则化被引量：2: 2022年; 现有的高空间分辨率遥感影像交互式建筑物提取方法需要用户在建筑物上勾画出与建筑物大小和形状相近的线,且大多方法只能提取直角建筑物。为降低交互要求并实现不同形状建筑物的精确提取,该文首先在用户少量交互的基础上采用区域生长、高斯混合模型、CannyLines线段检测算法以及基于多星形约束的最大流/最小割分割模型获得建筑物图斑,然后分别针对直角建筑物和非直角建筑物图斑进行规则化,得到与实际建筑物形状一致的提取结果。实验表明,该方法交互简单且建筑物提取精度F1值可达到0.9,具有较强的鲁棒性。; 崔卫红李佳刘宇; 关键词：半自动建筑物提取

序列图像中运动目标的分割定位被引量：27: 2004年; 针对序列图像中运动目标的分割定位,给出了在复杂环境下一种快速识别运动目标、有效去除背景噪声及运动目标准确定位的方法。该方法主要由运动目标检测和运动目标定位分割两部分组成:对运动目标检测采用简单差分方法提取运动目标,快速中值滤波与数学形态学方法结合去除噪声;对运动目标定位提出了一种改进的区域生长分割算法RGSA(RegionGrowingSegmentationAlgorithm)定位目标,并求出目标重心。实验结果表明,该方法正确有效,结果令人满意。; 张春森崔卫红; 关键词：差分图像中值滤波区域生长算法

基于最小生成树的多尺度多层次影像分割方法: 本发明提出了一种基于最小生成树的多尺度多层次影像分割方法，采用图模型表达及实现多尺度多层次图像分割。该分割方法适合于各种影像以及各种准则得到的初始分割结果，有效地将过分割区域在高层分割中进行合并，避免了过分割现象；同时，...; 崔卫红潘斌; 文献传递

高分辨率遥感影像目标形状特征多尺度描述与识别被引量：13: 2014年; 在高分遥感影像中,同类地物目标形状具有多样性,单一尺度或单一形状模版不足以描述同类目标的形状。本文利用小波变换和Fourier描述子构建了一种目标形状的多尺度描述模型,并基于该模型给出了一种新的面向对象的高分遥感影像目标识别方法。从上到下,该模型采用尺度依次减小的小波近似系数对原始形状进行近似表示,并利用Fourier描述子对其进行定量描述。利用语义规则综合考虑多个尺度下的识别结果,得到最终识别结果,减小小尺度下分割目标破碎和大尺度下小目标无法识别造成的影响,提高识别精度。基于本文方法分别对高分遥感影像中的飞机和建筑物进行识别,对比实验表明,该方法具有较高识别精度。; 冯霞秦昆崔卫红陈一祥李向辉; 关键词：小波变换高分辨率遥感影像目标识别

高光谱影像光谱-空间多特征加权概率融合分类被引量：24: 2015年; 提出了一种基于光谱-空间多特征加权概率融合的高光谱影像分类方法。首先,利用最小噪声分离(minimum noise fraction,MNF)方法对高光谱影像进行降维和特征提取,并以得到的MNF特征影像作为光谱特征,联合灰度共生矩阵(gray level co-occurrence matrix,GLCM)提取的纹理特征、基于OFC算子建立的多尺度形态学特征以及采用连续最大角凸锥(sequential maximum angle convex cone,SMACC)提取的端元组分特征,组成3组光谱-空间特征;然后利用支持向量机(support vector machine,SVM)对每一组光谱-空间特征进行分类,得到每组特征的概率输出结果;最后,建立多特征加权概率融合模型,应用该模型将不同特征的概率输出结果进行加权融合,得到最终分类结果。为了验证该方法的有效性,利用ROSIS和AVIRIS影像进行试验,总体分类精度分别达到97.65%和96.62%。结果表明本文的方法不但较好地克服了传统基于单一特征高光谱影像分类的局限性,而且其分类效果也优于常规矢量叠加(vector stacking,VS)和概率融合的多特征分类方法,有效地改善了高光谱影像的分类结果。; 张春森郑艺惟黄小兵崔卫红; 关键词：支持向量机

基于多尺度视觉特征组合的高分遥感影像目标检测被引量：9: 2018年; 针对高空间分辨率(高分)遥感影像中目标空间结构明显、颜色丰富的特点,提出一种基于多尺度视觉特征组合的目标检测方法.首先采用两组特征描述子来表达目标的颜色与空间结构特征,其中,一组是彩色变换后的密集空间金字塔尺度不变特征变换(scale-invariant feature transform,SIFT)描述子,另一组是多尺度方向梯度直方图(histogram of oriented gradient,HOG)与色度、饱和度、明度(hue,saturation and value,HSV)颜色模型组合的特征描述子,然后用支持向量机(support vector machine,SVM)对两组特征分别进行模型训练与目标检测,对于彩色变换密集空间金字塔SIFT描述子,采用视觉词袋空间金字塔匹配核(spatial pyramid matching kernel,SPMK)构建SVM的输入,对于HOG与HSV特征,直接将特征向量按顺序合成作为SVM的输入,最后取两组检测结果的交集作为最终检测结果.为验证方法的有效性,分别以航空影像中的建筑物和鱼排,以及高分卫星影像中的游艇为目标进行检测.结果表明,该方法的目标检测精度可达到90%以上.; 冯发杰吏军平丁亚洲朱坤崔卫红; 关键词：目标检测支持向量机

一种半自动高空间分辨率遥感影像不同形状建筑物提取方法: 本发明涉及一种半自动从高分遥感影像中提取不同形状建筑物的方法，属于图像处理与目标识别技术领域，特别是涉及一种新的流程化的半自动提取不同形状建筑物并准确获取其矢量多边形的方法。针对目前已有的半自动建筑物提取方法中对用户交互...; 崔卫红李佳; 文献传递