Region of interest extraction in remote sensing images by saliency analysis with the normal directional lifting wavelet transform
Region of interest extraction in remote sensing images by saliency analysis with the normal directional lifting wavelet transform
复制标题
法向提升小波变换显着性分析遥感图像感兴趣区域提取
DOI：
10.1016/j.neucom.2015.11.093
复制
发表时间：
2016-02
期刊：
影响因子：
6
通讯作者：
Qiu Bingchang
中科院分区：
文献类型：
--
作者：
Zhang Libao;Chen Jie;Qiu Bingchang
基于显著性的感兴趣区域提取技术是遥感图像分析的一个重要分支。在这项研究中，我们提出了一种新的高空间分辨率遥感图像感兴趣区域提取方法。高空间分辨率遥感图像包含复杂的空间信息、清晰的细节和明确的地理目标，其中结构、边缘和纹理信息具有重要的作用。为了充分利用这些功能，我们构造了一个新的正常方向提升小波变换，以保持局部细节特征的小波域，这是有利于边缘和纹理显著图的生成。我们还通过计算光谱中包含的自信息量来获得光谱显著性图，从而改善提取结果。最后的显着图是两个图的加权融合。实验结果表明，该算法能够有效地去除背景信息，突出具有良好边界和形状的感兴趣区域，从而提高了感兴趣区域提取的准确性。
Region of interest (ROI) extraction techniques based on saliency comprise an important branch of remote sensing image analysis. In this study, we propose a novel ROI extraction method for high spatial resolution remote sensing images. High spatial resolution remote sensing images contain complex spatial information, clear details, and well-defined geographical objects, where the structure, edge, and texture information has important roles. To fully exploit these features, we construct a novel normal directional lifting wavelet transform to preserve local detail features in the wavelet domain, which is beneficial for the generation of edge and texture saliency maps. We also improve the extraction results by calculating the amount of self-information contained in the spectra to obtain a spectral saliency map. The final saliency map is a weighted fusion of the two maps. Our experimental results demonstrate that the proposed extraction algorithm can eliminate background information effectively as well as highlighting the ROIs with well-defined boundaries and shapes, thereby facilitating more accurate ROI extraction.
登录
查看更多内容
影响因子：
10.6
作者：
Zhicheng Li;L. Itti
通讯作者：
Zhicheng Li;L. Itti
DOI：
10.1109/cvpr.2008.4587715
发表时间：
2008-06
期刊：
2008 IEEE Conference on Computer Vision and Pattern Recognition
影响因子：
--
作者：
Chenlei Guo;Qi Ma;Liming Zhang
通讯作者：
Chenlei Guo;Qi Ma;Liming Zhang
DOI：
10.1109/cvpr.2009.5206596
发表时间：
2009-06
期刊：
2009 IEEE Conference on Computer Vision and Pattern Recognition
影响因子：
--
作者：
R. Achanta;S. Hemami;F. Estrada;S. Süsstrunk
通讯作者：
R. Achanta;S. Hemami;F. Estrada;S. Süsstrunk
DOI：
10.1109/jstars.2014.2319736
发表时间：
2014-05
影响因子：
5.5
作者：
Li-bao Zhang;Kaina Yang;Hao Li
通讯作者：
Li-bao Zhang;Kaina Yang;Hao Li
DOI：
10.1109/tpami.2011.272
发表时间：
2012-10-01
影响因子：
23.6
作者：
Goferman, Stas;Zelnik-Manor, Lihi;Tal, Ayellet
通讯作者：
Tal, Ayellet