基于流形结构的图像地理信息标注方法  

Information Annotation of Geographic Image Based on Manifold Structure

作　　者：叶巍[1] 龚建华[2] 郭娜[1] 路梅[1] 赵向军[1] 

机构地区：[1]江苏师范大学计算机科学与技术学院,江苏徐州221116 [2]中国科学院遥感与数字地球研究所,北京100101

出　　处：《地理与地理信息科学》2015年第3期7-11,21,共6页Geography and Geo-Information Science

基　　金：江苏省普通高校研究生科研创新计划项目(CXLX13_979);国家自然科学基金项目(61272297;61402207)

摘　　要：借助携带地理信息的图像数据,标注未知图像的地理信息,是图像视频地理信息系统迫切需要的基于内容的检索工具。传统基于文本的地理信息标注方法主要借助人工完成,效率低下且无法运用于视频GIS检索之中,针对该问题,提出了基于流形结构的图像地理信息标注方法。该方法提取图像的视觉特征作为相似度度量,重构地理图像的流形结构,用以刻画不同视角视图图像的渐进变化规律,建立相同地理位置不同视角图像之间的内部关联,以便携带地理信息的共享。构建地理图像的流形结构需要连续视角变化的地理图像,当已有地理图像视角变化跳跃时,提出利用主动学习策略,通过交互完成视角变化跳跃位置的地理图像补充,同时进行增量式训练,提升地理信息标注方法的泛化能力。实验结果表明,给出携带地理信息的图像,该文方法可以获得相同地理位置处流形结构内的所有地理图像,高效完成地理信息标注。此外,在应对成像视角变化跳跃的情况时,具有较强的鲁棒性。Annotating the location for geographical image is an important tool in image and video geographic information system. Focused on the leakage of existing geographic information annotation methods, which take a great deal of manual annotation cost, this paper proposes a geographic information annotation method based on manifold structure. This method directly extracts visual features of images as similarity measure, meanwhile, makes use of manifold learning to accomplish the manifold recon- struction in order to describe the continuous change of viewing angle, and then annotates the image through the results of image retrieval. Active learning is used to actively get the insufficient sampling place and perform incremental training simultaneously so as to increase the accuracy of annotation. The experimental results show the method is reliable although the camera angle is dramatically changed.

关 键 词：图像标注 地理信息系统 地理位置 流形学习 主动学习 

分 类 号：TP391[自动化与计算机技术—计算机应用技术] P208[自动化与计算机技术—计算机科学与技术]