自适应类别的层次高斯混合模型遥感影像分割

作     者：石雪 李玉 赵泉华 SHI Xue;LI Yu;ZHAO Quan-hua

作者机构：辽宁工程技术大学测绘与地理科学学院遥感科学与应用研究所 

出 版 物：《电子学报》 (Acta Electronica Sinica)

年 卷 期：2020年第48卷第1期

页      面：131-136页

核心收录：

学科分类：0810[工学-信息与通信工程] 08[工学] 081002[工学-信号与信息处理] 

基　　金：国家自然科学基金(No.41301479,No.41271435) 辽宁省自然科学基金(No.2015020090) 

主　　题：高分辨率遥感图像分割 层次高斯混合模型 贝叶斯信息准则 自适应类别 期望最大化 

摘      要：为了实现自动确定类别数的高精度遥感影像分割,提出一种自适应类别的层次高斯混合模型(Hierarchical Gaussian Mixture Model,HGMM)遥感影像分割算法.提出算法采用多个高斯混合模型加权和定义HGMM,用于建模具有非对称,重尾和多峰等复杂特性的影像统计模型.采用期望最大化算法(Expectation Maximization,EM)求解模型参数.为了实现自动确定类别数,采用贝叶斯信息准则(Bayesian Information Criterion,BIC)求解最优类别数,其中惩罚项采用加权像素数定义.为了验证提出算法可行性和有效性,对模拟和全色遥感影像进行分割实验,并对分割结果进行定性和定量分析.结果表明HGMM具有准确建模复杂统计分布的能力,提出算法具有高精度和高效率,同时可自动确定最优类别数.