[發(fā)明專利]基于監(jiān)督主題模型的高分辨率SAR影像標注方法

有效

• 申請?zhí)枺?/td>: 201110446232.6
• 申請日: 2011-12-27
• 公開（公告）號: CN102542590A
• 公開（公告）日: 2012-07-04
• 發(fā)明（設計）人: 王寰宇;柳彬;胡昊;汪煒;于秋則;劉興釗;郁文賢
• 申請（專利權）人: 上海交通大學
• 主分類號: G06T11/60
• 分類號: G06T11/60
• 代理公司: 上海漢聲知識產權代理有限公司 31236
• 代理人: 胡晶

1.一種基于監(jiān)督主題模型的高分辨率SAR影像標注方法，其特征在于，包括以下步驟：

S1：分割影像，其進一步包括：

將SAR影像分割成為多個大小相等的子影像；再將每個子影像劃分成為互不重疊的矩形區(qū)域，每個矩形區(qū)域稱之為單詞；

S2：圖像表征：用子影像生成文檔，用所有的文檔生成文集；

S3：知識輸入，其進一步包括：

選取一部分具有典型場景的子影像進行基于關鍵字的人工標注，這些關鍵字組成的集合稱之為文檔的隱類別；

S4：訓練推理：完成SAR影像的初步標注；

S5：語義分析：根據所有子影像的分類結果與單詞的標注結果，通過先驗語義知識對標注結果進行語義分析，從而得到符合人類語義的標注結果。

2.根據權利要求1所述的方法，其特征在于，所述步驟S2進一步包括：

S21：生成可視詞；

S22：生成文檔：由子影像生成文檔，即將子影像中的每個單詞由可視詞替代；

S23：生成文集：最后，將所有文檔組合，得到完整的文集。

3.根據權利要求2所述的方法，其特征在于，所述步驟S21進一步包括：

S211：根據待標注數據類型與待標注數據的場景特點，選取對應的特征空間；

S212：將所有的單詞在此空間的投影向量進行無監(jiān)督聚類；

S213：將所有的聚類中心構成字典，每個聚類中心在字典中的索引稱為可視詞。

4.根據權利要求1所述的方法，其特征在于，所述步驟S4進一步包括：

S41：將具有關鍵字的文檔與其關鍵字輸入監(jiān)督主題模型進行訓練，得到相應的模型，包括：不同類別文檔內隱主題的分布、不同隱主題內可視詞的分布和每個可視詞的隱主題標注；

S42：將不具有關鍵字的文檔輸入步驟S41得到的模型，進行推理，得到其關鍵字與其每個可視詞的隱主題標注；

S43：將S41步驟與S42步驟得到的結果結合，即可得到所有文檔的分類結果與初步標注結果。

5.根據權利要求1所述的方法，其特征在于，所述步驟S2和步驟S3的順序可交換。