How to involve structural modeling for cartographic object recognition tasks in high-resolution satellite images?
How to involve structural modeling for cartographic object recognition tasks in high-resolution satellite images?
复制标题
如何涉及高分辨率卫星图像中的制图对象识别任务的结构建模？
DOI：
10.1016/j.patrec.2010.01.013
复制
发表时间：
2010
期刊：
影响因子：
--
通讯作者：
N. Loménie
中科院分区：
文献类型：
--
作者：
G. Erus;N. Loménie
有了新一代卫星系统，每天都能以很高的传送率获得非常高分辨率的卫星图像。通过设计用于决策系统的高性能分析算法，将使开发如此海量的数据成为可能。特别是，复杂人造物体的检测和识别是随着这种新的分辨率水平而来的新挑战。在这项研究中，我们开发了一个系统，可以识别桥梁或环形交叉口等结构化和紧凑的对象。这项工作的原始贡献是在基于外观的统计学习方法框架中使用结构形状属性，从而导致有价值的识别和误警率。这种结构/统计混合方法的目的是在低层图像特征和高层语义概念之间构建一个中间步骤。
With the new generation of satellite systems, very high resolution satellite images will be available daily at a high delivery rate. The exploitation of such a huge amount of data will be made possible by the design of high performance analysis algorithms for decision making systems. In particular, the detection and recognition of complex man-made objects is a new challenge coming with this new level of resolution. In this study, we develop a system that recognizes such structured and compact objects like bridges or roundabouts. The original contribution of this work is the use of structural shape attributes in an appearance-based statistical learning method framework leading to valuable recognition and false alarm rates. This hybrid structural/statistical approach aims to construct an intermediate step between the low-level image characteristics and high-level semantic concepts.
登录
查看更多内容
DOI：
--
发表时间：
2002
期刊：
2020 IEEE International Conference on Applied Superconductivity and Electromagnetic Devices (ASEMD)
影响因子：
--
作者：
Gabriella Csurka;C. Dance;Lixin Fan;J. Willamowski;Cédric Bray
通讯作者：
Gabriella Csurka;C. Dance;Lixin Fan;J. Willamowski;Cédric Bray
DOI：
10.1109/34.1000236
发表时间：
2002-05-01
影响因子：
23.6
作者：
Comaniciu, D;Meer, P
通讯作者：
Meer, P
DOI：
10.1023/b:visi.0000042934.15159.49
发表时间：
2005-01-01
影响因子：
19.5
作者：
Felzenszwalb, PF;Huttenlocher, DP
通讯作者：
Huttenlocher, DP
以1类整合子为指标的城市河流耐药基因污染评价
DOI：
--
发表时间：
2021
期刊：
影响因子：
--
作者：
L. Lihui;X. Zou;W. Dai;D. Xue;T. Nakamura;A. Wakamiya;K. Marumoto;増田容一，石川将人;長澤杏香，春日郁朗，栗栖太，古米弘明
通讯作者：
長澤杏香，春日郁朗，栗栖太，古米弘明