博文

可见光与InSAR影像结合用于建筑物检测CRF

已有 6071 次阅读 2012-2-29 16:25 |系统分类:科研笔记| class, 检测, 建筑物

标题: Building Detection From One Orthophoto and High-Resolution InSAR Data Using Conditional Random Fields
作者: Wegner Jan Dirk; Haensch Ronny; Thiele Antje; 等.
来源出版物: IEEE JOURNAL OF SELECTED TOPICS IN APPLIED EARTH OBSERVATIONS AND REMOTE SENSING 卷: 4 期: 1 页: 83-91 DOI: 10.1109/JSTARS.2010.2053521 出版年: MAR 2011
被引频次: 1 (来自 Web of Science)

非像素级的，特征的计算都是以patch为单元的。

概括：在改进CRF模型的双位置势函数的基础上，结合利用可见光图像与InSAR影像对城市建筑进行了检测。
1、创新点

a) 对传统CRF的双位置项进行了改进。个人认为这是最闪光之处

b) 应用创新将CRF用于遥感图像建筑物检测

b) 所用材料也较新，结合利用可见光与InSAR影像

2、对CRF与MRF的点评简洁、全面

Although as graphical model similar to Markov Random Fields (MRFs), CRFs have the advantage of incorporating global context information, of relaxing the conditional independence assumption between features, and of a more general integration of observations.

3、双位置势函数的设置

前提假设：如果两个patch（高于像素级的一种处理单元，本文是对图像进行规则网格划分）的特征相似，但是他们之间有较大的梯度（即有明显的边），那么他们应该归属于不同的对象类。例如屋顶与道路，他们之间的特征相近，但是中间如果存在梯度带，则可以据此分为不同的类别。

双位置势函数一般定义为IsingPotts模型，如：

其中

项在传统CRF中一般有两种做法：

a、取位置i与位置j处的特征差的绝对值

b、位置i与位置j处的特征Concatenate(连接)组成一个2B维特征（为何？不理解，求正解）

文章对该项进行了改进，如下：

，其中

该项的理解：新的第n维特征为原对应两位置上的特征的比值，只是为了将比值限定在[0,1], 进行了上述的超限处理：超过b的都强制设为1.

另一项：研究表明，当两个位置之间的归一化梯度

超过0.5时，二者不是同一个对象（An investigation of the histogram of of the entire image suggests that in general values above 0.5 indicate that two sites belong to different objects.）