Multi-source hierarchical conditional random field model for feature fusion of remote sensing images and LiDAR data

Downloadstatistik des Dokuments (Auswertung nach COUNTER):

Zhang, Z.; Yang, M.Y.; Zhoua, M.: Multi-source hierarchical conditional random field model for feature fusion of remote sensing images and LiDAR data. In: Heipke, C.; Jacobsen, K.; Rottensteiner, F.; Sörgel, U. (Eds.): ISPRS Hannover Workshop 2013. Katlenburg-Lindau : Copernicus Publications, 2013 (The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences ; 40-1/W1), S. 389-392. DOI: https://doi.org/10.5194/isprsarchives-XL-1-W1-389-2013

Version im Repositorium

Zum Zitieren der Version im Repositorium verwenden Sie bitte diesen DOI: https://doi.org/10.15488/983

Zeitraum, für den die Download-Zahlen angezeigt werden:

Jahr: 
Monat: 

Summe der Downloads: 144




Kleine Vorschau
Zusammenfassung: 
Feature fusion of remote sensing images and LiDAR points cloud data, which have strong complementarity, can effectively play the advantages of multi-class features to provide more reliable information support for the remote sensing applications, such as object classification and recognition. In this paper, we introduce a novel multi-source hierarchical conditional random field (MSHCRF) model to fuse features extracted from remote sensing images and LiDAR data for image classification. Firstly, typical features are selected to obtain the interest regions from multi-source data, then MSHCRF model is constructed to exploit up the features, category compatibility of images and the category consistency of multi-source data based on the regions, and the outputs of the model represents the optimal results of the image classification. Competitive results demonstrate the precision and robustness of the proposed method.
Lizenzbestimmungen: CC BY 3.0 Unported
Publikationstyp: bookPart
Publikationsstatus: publishedVersion
Erstveröffentlichung: 2013
Die Publikation erscheint in Sammlung(en):Fakultät für Elektrotechnik und Informatik

Verteilung der Downloads über den gewählten Zeitraum:

Herkunft der Downloads nach Ländern:

Pos. Land Downloads
Anzahl Proz.
1 image of flag of Germany Germany 115 79,86%
2 image of flag of China China 7 4,86%
3 image of flag of No geo information available No geo information available 5 3,47%
4 image of flag of Poland Poland 3 2,08%
5 image of flag of United States United States 2 1,39%
6 image of flag of Korea, Republic of Korea, Republic of 2 1,39%
7 image of flag of Austria Austria 2 1,39%
8 image of flag of Vietnam Vietnam 1 0,69%
9 image of flag of Peru Peru 1 0,69%
10 image of flag of Mexico Mexico 1 0,69%
    andere 5 3,47%

Weitere Download-Zahlen und Ranglisten:


Hinweis

Zur Erhebung der Downloadstatistiken kommen entsprechend dem „COUNTER Code of Practice for e-Resources“ international anerkannte Regeln und Normen zur Anwendung. COUNTER ist eine internationale Non-Profit-Organisation, in der Bibliotheksverbände, Datenbankanbieter und Verlage gemeinsam an Standards zur Erhebung, Speicherung und Verarbeitung von Nutzungsdaten elektronischer Ressourcen arbeiten, welche so Objektivität und Vergleichbarkeit gewährleisten sollen. Es werden hierbei ausschließlich Zugriffe auf die entsprechenden Volltexte ausgewertet, keine Aufrufe der Website an sich.