博文
用于SAR图像的CRF
||
标题: Semantic segmentation of Polarimetric SAR imagery using Conditional Random Fields
作者: Wen Yang; Xun Zhang; Lijun Chen; 等.
会议名称: 2010 IEEE International Geoscience and Remote Sensing Symposium (IGARSS 2010) 会议地点: Honolulu, HI, USA 会议日期: 25-30 July 2010
会议赞助商: IEEE
来源出版物: Proceedings 2010 IEEE International Geoscience and Remote Sensing Symposium (IGARSS 2010) 页: 1593-6 DOI: 10.1109/IGARSS.2010.5652378 出版年: 01 2010
被引频次: 0 (来自所有数据库)
作者: Wen Yang; Xun Zhang; Lijun Chen; 等.
会议名称: 2010 IEEE International Geoscience and Remote Sensing Symposium (IGARSS 2010) 会议地点: Honolulu, HI, USA 会议日期: 25-30 July 2010
会议赞助商: IEEE
来源出版物: Proceedings 2010 IEEE International Geoscience and Remote Sensing Symposium (IGARSS 2010) 页: 1593-6 DOI: 10.1109/IGARSS.2010.5652378 出版年: 01 2010
被引频次: 0 (来自所有数据库)
1、超像素层次。此文所谓的超像素是指由原图规则分块所得的小图块
2、用到了三类特征Polarization、Texture和Intensity. 其中Polarization可能是SAR图像特有的吧（没接触过SAR,故不知道），Texture特征采用的是4阶GMRF（高斯马尔科夫随机场）纹理描述子。Intensity用的HH,VV，HV，及其统计直方图
3、模型如下
与传统CRF模型相比，单位置势函数被拆分成针对三类不同的特征的势函数，其实质并无改变。双位置势函数采用的依然是对比度敏感（contrast sensitive）的Is/Potts模型。
4、该文属于应用创新吧，个人感觉在理论上没有任何创新。所用的方法、势函数都是已有的。疑惑的是，为何该文章还在SCI检索？可能是因为CRF的理论新？
https://blog.sciencenet.cn/blog-471807-542435.html
上一篇：用于分类的距离加权MRF
下一篇：可见光与InSAR影像结合用于建筑物检测CRF
