23、建筑立面图像区域分类与多视图图像三维监督分类研究

建筑立面图像区域分类与多视图图像三维监督分类研究

建筑立面图像区域分类

在建筑立面图像的区域分类研究中，提出了一种基于随机决策森林（RDF）和局部特征的方法。在eTRIMS数据集上的实验表明，该方法能产生不错的分类结果。当使用条件随机场（CRF）对分类进行细化时，分类的定量和定性结果都得到了持续改善。CRF通过引入成对势直接对相邻区域之间的依赖关系进行建模，惩罚颜色差异很大的区域对。

不过，标准的CRF仅在局部层面工作，未明确处理长距离依赖关系。未来的工作将尝试建立一个分层模型，把邻域和部分关系整合到统一的CRF模型中，类似的概念在相关研究中被称为分层条件随机场（HCRF）。

多视图图像三维监督分类用于地震灾害评估

在遥感图像和距离数据的分类中，通常是在二维空间中进行的。因为大多数传感器从接近垂直的方向捕捉地球表面，垂直结构往往不可见。当涉及高度数据时，也只是所谓的2.5D信息，没有三维结构。但当从多个非天底方向拍摄感兴趣的物体时，如何有效地对这些场景进行分类就成了问题。

解决这个问题有两种可能的方法：
- 在单个图像中进行分类，然后在对象空间中组合结果 ：这种情况下，分类器只能使用感兴趣对象在一个二维投影中可观察到的特征。
- 直接在三维空间中进行分类 ：使用体素等三维实体进行分类，其优点是可以同时利用多个图像中可观察到的体素的所有可用信息。

在计算机视觉领域，有很多关于三维场景分类的研究，但各有局限性。例如，一些方法只利用了对象的几何属性，未涉及图像的光谱信息；一些方法在对象表面不光滑或有噪声时，分类性能会受到显著影响