...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Geoscience and Remote Sensing Letters, IEEE >Automatic Annotation of Satellite Images via Multifeature Joint Sparse Coding With Spatial Relation Constraint
【24h】

Automatic Annotation of Satellite Images via Multifeature Joint Sparse Coding With Spatial Relation Constraint

机译：具有空间关系约束的多特征联合稀疏编码对卫星图像的自动注释

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In this letter, we propose a novel framework for large-satellite-image annotation using multifeature joint sparse coding (MFJSC) with spatial relation constraint. The MFJSC model imposes an $l_{1, 2}$-mixed-norm regularization on encoded coefficients of features. The regularization will encourage the coefficients to share a common sparsity pattern, which will preserve the cross-feature information and eliminate the constraint that they must have identical coefficients. Spatial dependences between patches of large images are useful for the annotation task but are usually ignored or insufficiently exploited in other methods. In this letter, we design a spatial-relation-constrained classifier to utilize the output of MFJSC and the spatial dependences to annotate images more precisely. Experiments on a data set of 21 land-use classes and QuickBird images show the discriminative power of MFJSC and the effectiveness of our annotation framework.
机译：在这封信中，我们提出了一种使用具有空间关系约束的多特征联合稀疏编码（MFJSC）进行大卫星图像注释的新颖框架。 MFJSC模型对特征的编码系数施加$ l {{1，2} $-混合范数正则化。正则化将鼓励系数共享一个公共的稀疏模式，这将保留跨特征信息并消除必须具有相同系数的约束。大图像的小块之间的空间相关性对于注释任务很有用，但是在其他方法中通常会被忽略或充分利用。在这封信中，我们设计了一种受空间关系约束的分类器，以利用MFJSC的输出和空间相关性来更精确地注释图像。在21种土地利用类别和QuickBird图像的数据集上进行的实验表明MFJSC的判别力和注释框架的有效性。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号