基于条件随机场的遥感图像语义标注

《基于条件随机场的遥感图像语义标注》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、航空学报Sep．252015V01．36No．93069-3081ActaAeronauticaetAstronauticaSinicaISSN1000-6893CN11-1929／Vhttp：／／hkxb．buaa．edu．cahkxb@buaa．edu．cn基于条件随机场的遥感图像语义标注杨俊俐1’2，姜志国1’2一，周全3，张浩鹏h2，史骏1’21．北京航空航天大学宇航学院，北京1001912．数字媒体北京市重点实验室，北京1001913．南京邮电大学通信与信息工程学院，南京210003摘要：遥感图像包含的信息

2、丰富，纹理复杂，而遥感图像语义标注又为后续的目标识别、检测、场景分析及高层语义的提取提供了重要信息和线索，这使其成为遥感图像理解领域中一个关键且极具挑战性的任务。首先针对遥感图像语义标注问题，提出采用条件随机场(CRF)框架对遥感图像的底层特征和上下文信息建模的方法，将Texton纹理特征与CRF中的自相关势能结合来捕捉遥感图像中的纹理信息及其上下文分布，采用组合Boosting算法进行Texton纹理特征选择和参数学习；然后将Lab空间中的颜色信息与CRF中的互相关势能结合来描述颜色上下文；最后用GraphCut算

3、法对CRF进行推导求解，得到图像自动语义标注结果。同时，建立了可见光遥感图像数据库Googlm4，并对全部图像进行了人工标注。Google_4上的实验结果表明：采用CRF框架与Texton纹理特征和颜色特征相结合对遥感图像建模的方法与基于支持向量机(SVM)的方法相比较，能够取得更准确的语义标注结果。关键词：遥感图像；图像理解；语义标注；条件随机场；上下文中图分类号：V19；TP391文献标识码：A文章编号：1000—6893(2015)09—3069—13遥感图像语义标注是指对遥感图像中的每一个像素或区域给出语义类

4、别标签的过程，也就是对图像中的全部像素或区域进行分类。它为遥感图像的目标识别、检测、场景分析以及高层语义的提取提供了重要信息和线索，是遥感图像后续解译工作的重要基础。而遥感图像往往表现出细节丰富、纹理复杂、空间相关性强和类别多样化的特点，同时复杂的拍摄条件又使遥感图像具有较高的模糊性和不确定性，这些因素大大增加了遥感图像语义标注工作的难度。因此，近年来遥感图像语义标注成为遥感图像理解中重要且充满挑战的一项任务。突破这一难题的关键在于充分地利用图像所包含的信息，提取图像中多种特征和存在的语义上下文信息。使用这些特征和上

5、下文信息来表征遥感图像中各语义类别之间的空间依赖关系，对消除图像的模糊性、不确定性以及获得准确的遥感图像语义标注结果，起着重要的作用。传统的图像建模方法，如马尔可夫随机场(MarkovRandomFields，MRF)模型可以将输入图像的特征和标记图像的上下文信息融合在一个统一的理论框架中[1。3]。然而，由于运算过程的复杂性，需要对输入图像的特征进行条件独立假设，这种假设过于严格，忽视了输入图像内的空间依赖关系，导致MRF模型不能充分利用观察图像的上下文信息。例如，一幅遥感图像中不仅包含人造建筑物，如房屋、道路，也

6、包含一些自然景物，收稿日期：2014-08—29；退修日期：2014-09—28；录用日期：2014．12—18；网络出版时间：2015．01．1309：47网络出版地址：WWWcnki．net／kcms／detail／S1000—689320140356htmI基金项目：国家自然科学基金(61371134，61071137，60776793)；中央高校基本科研业务费专项资金*通讯作者Tel：010—82338061E-mail：jiangzg@buaa．edu．cn朝用穆武lYangJL．JiangZG，Zhouo

7、．etal．Remotesensingimagesemanticlabelingbasedonconditionalrandomfield!∞．ActaAero—nauticaetAstronauticaSin『：ca，2015，36(9)：3069—3081杨俊匍，姜志国，周全，等．基于条件随机场的遥感图像语义标注iJI．航空学报。2015．36(9)：3069-3081．3070航空学报Sep252015Vol36No9如树木、草地等，而人造建筑物类的区域通常高度依赖于周围的数据，其空间位置上相邻的边缘、线段、颜

8、色和纹理并不是随机分布，而是符合一定的潜在规则。MRF在图像建模中往往忽略了这些空间上的相关性，从而影响建模的效果。条件随机场(ConditionalRandomFields，CRF)模型是基于贝叶斯理论框架的判别式概率图模型，由Lafferty等n1在2001年提出，当时用于文本的分割和标注。Kumar和Hebert[5。71首先将其引入图像