主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公编辑办公English
2018-2019年专刊出版计划 微信服务介绍 最新一期:2019年第11期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
孔颉,孙权森,徐晖,刘亚洲,纪则轩.基于仿射不变离散哈希的遥感图像多目标分类.软件学报,2019,30(4):914-926
基于仿射不变离散哈希的遥感图像多目标分类
Multi-object Classification of Remote Sensing Image Based on Affine-invariant Supervised Discrete Hashing
投稿时间:2018-04-13  修订日期:2018-06-13
DOI:10.13328/j.cnki.jos.005661
中文关键词:  遥感  监督哈希  仿射不变性  多目标分类  平均分类精度
英文关键词:remote sensing  supervised hashing  affine-invariant  multi-object classification  mean average precision (MAP)
基金项目:国家自然科学基金(61673220)
作者单位E-mail
孔颉 南京理工大学 计算机科学与工程学院, 江苏 南京 210094  
孙权森 南京理工大学 计算机科学与工程学院, 江苏 南京 210094 sunquansen@njust.edu.cn 
徐晖 南京理工大学 计算机科学与工程学院, 江苏 南京 210094  
刘亚洲 南京理工大学 计算机科学与工程学院, 江苏 南京 210094  
纪则轩 南京理工大学 计算机科学与工程学院, 江苏 南京 210094  
摘要点击次数: 713
全文下载次数: 469
中文摘要:
      遥感图像的多目标分类是一个具有挑战性的课题.首先,由于数据的复杂性以及算法对存储的高需求,传统分类方法很难兼顾到分类的精度和速度;其次,遥感成像过程中产生的仿射变换,使得目标的快速解译难以实现.为此,提出一种基于仿射不变离散哈希(AIDH)的遥感图像多目标分类方法.该方法采用具有低存储、高效率优势的监督离散哈希框架,结合仿射不变优化因子,构造仿射不变离散哈希,通过将具有相同语义信息的仿射变换样本约束到相似的二值码空间实现分类精度的提高.实验结果表明,在NWPU VHR-10和RSDO-dataset两个数据集下,相比于经典的哈希方法和分类方法,所提方法在具备了高效性的同时,其精度也得到了保证.
英文摘要:
      The multi-object classification of remote sensing images has been a challenging task. Firstly, due to the complexity of the data and the high requirement of storage, the traditional classification methods are difficult to achieve both the accuracy and speed of the classification. Secondly, the affine transformation caused by the remote sensing imaging process, the real-time performance of the object interpretation is difficult to be realized. To solve the problem, a multi-object classification of remote sensing image is proposed based on affine-invariant discrete hashing (AIDH). This method uses supervised discrete hashing with the advantage of low storage and high efficiency, jointed with affine-invariant factor, to construct affine-invariant discrete hashing. By constraining the affine transform samples with the same semantic information to the similar binary code space, the method achieves the enhancement on classification precision. Experiments show that under the two datasets of NWPU VHR-10 and RSDO-dataset, the method presented in this paper is more efficient than classical hash method and classification method, and it is also guaranteed in accuracy.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会 京ICP备05046678号-4
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利