遥感影像语义理解

面向高分辨率遥感影像场景语义理解的概率主题模型研究：http://www.lmars.whu.edu.cn/index.php/xwzx/2320.html

基于自适应深度稀疏语义建模的高分辨率遥感影像场景分类：链接

为了挖掘高分辨率遥感场景更具区分性的语义信息，提出了一种将稀疏主题和深层特征自适应相融合的深度稀疏语义建模（ADSSM）框架。首先，为了从影像中发现本质底层特征，ADSSM框架集成了基于中层的稀疏主题模型FSTM和基于高层的卷积神经网络CNN。基于稀疏主题和深度特征视觉信息的互补性，设计了三种异质性稀疏主题和深度场景特征来描述高分辨率遥感影像的复杂的几何结构和空间模式。其中， FSTM可以从影像中获取局部和显著性信息，而CNN则更多关注的是全局和细节信息。稀疏主题和深度特征的集成为高分辨率遥感场景提供了多层次的特征描述。其次，为了改善稀疏主题和深度特征的融合，针对稀疏主题和深度特征之间的差异性，提出了一种自适应特征标准化策略。在ADSSM中，挖掘的稀疏主题和深度特征各自进行自适应的标准化，以增强代表性特征的重要性。基于自适应融合特征的表达，ADSSM框架可以减少复杂场景的混淆。ADSSM框架在UCM、Google、NWPU-RESISC45以及OSRSI20四个数据集上的结果表明提出的方法相较于目前公认的高精度场景分类方法来说有了较大的提升。

 朱祺祺简介：http://grzy.cug.edu.cn/zhuqiqi/zh_CN/index.htm

资源共享

 

1.公开数据集

(1)SIRI-WHU 谷歌影像数据集 (The Google image dataset of SIRI-WHU, 更新日期：2019.12.10).  Download
该数据集包括12个类别，主要用于科研用途。
以下各个类别中均包含200幅影像：农场、商业区、港口、闲置用地、工业区、草地、立交桥、停车场、池塘、居民区、河流、水体

每一幅影像大小为200*200，空间分辨率为2米。

该数据集获取自谷歌地球，由武汉大学RS-IDEA研究组(SIRI-WHU)搜集制作，主要覆盖了中国的城市地区。

当您发表的结果中用到了该数据集，请引用以下文献：

[1]Q. Zhu, Y. Zhong, L. Zhang, and D. Li, "Adaptive Deep Sparse Semantic Modeling Framework for High Spatial Resolution Image Scene Classification," IEEE Transactions on Geoscience and Remote Sensing, 2018, 56(10): 6180-6195. DOI: 10.1109/TGRS.2018.2833293.

[2]Q. Zhu, Y. Zhong, B. Zhao, G.-S. Xia, and L. Zhang, "Bag-of-Visual-Words Scene Classifier with Local and Global Features for High Spatial Resolution Remote Sensing Imagery," IEEE Geoscience and Remote Sensing Letters, 2016, 13(6): 747-751. DOI:10.1109/LGRS.2015.2513443 2016.

(2)SIRI-WHU USGS标注影像数据集 (The USGS image dataset of SIRI-WHU, 更新日期：2019.12.10).  Download

该数据集包括4个场景类别：农场、森林、居民区、停车场，其主要用于科研用途。

大幅影像大小为10000*9000，空间分辨率为2英尺。

该数据集获取自USGS，由武汉大学RS-IDEA研究组(SIRI-WHU)搜集制作，主要覆盖了美国俄亥俄州蒙哥马利地区。

当您发表的结果中用到了该数据集，请引用以下文献：

[1]Y. Zhong, Q. Zhu, and L. Zhang, "Scene Classification Based on the MultiFeature Fusion Probabilistic Topic Model for High Spatial Resolution Remote Sensing Imagery," IEEE Transactions on Geoscience and Remote Sensing, vol. 53, no. 11, pp. 6207-6222, Nov. 2015.