[发明专利]一种基于支持向量机分类树的地基云图识别方法

权利要求书

1.一种基于支持向量机的分类树的陆基云图分类方法，包括以下步骤：

(1)在陆基云图中，挑选不同的云类并截取其中若干图像作为训练样本；

(2)使用Gabor滤波器组对训练样本进行频域分解，将频域分解为S个尺度和T个角度，即该滤波器组共包含S*T个滤波器，进而进行滤波，得到训练样本的滤波图像集合，其中S和T均为正整数；

(3)从所述滤波图像集合中提取每个滤波图像的排序直方图谱特征向量和感兴趣算子特征向量，得到提取特征后的训练样本集合；

(4)将训练样本集合中任意K个类别的训练样本按照指定的聚类数目进行聚类，其中聚类数目由待聚类的类别数据的稀疏程度和样本数决定，然后将聚类后的每个类中心作为该类的训练样本，得到新的训练样本集合，K为正整数；

(5)建立基于支持向量机分类器的分类树模型：利用所述新的训练样本集合进行训练，解算出分类器的参数，并确定分类树不同层之间的分类规则；

(6)对于待检测的陆基云图，提取每幅图像的排序直方图谱特征向量和感兴趣算子特征向量，再利用步骤(5)中训练好的分类树模型进行分类，即可得到相应的分类结果。

2.根据权利要求1所述的方法，其特征在于，所述提取图像的排序直方谱特征向量的具体步骤如下：

(3.1)确定图像的直方谱统计范围；

(3.2)根据所述直方谱统计范围确定图像的直方谱统计区间；

(3.3)计算图像在所有尺度下的滤波图像直方谱集合；

(3.4)对特征值集合内的直方谱进行排序，具体为：

对S个尺度中的任一尺度l下所有直方谱依据其特征值由小到大依次排序，得到训练样本在该尺度l下的排序直方谱特征向量，进一步得到图像在所有S个尺度下的排序直方谱特征向量；

(3.5)将S个尺度下的排序直方谱特征向量进行连接，即得到该滤波图像的排序直方谱特征向量。

3.根据权利要求1或2所述的方法，其特征在于，所述提取感兴趣算子特征向量的具体过程为：

(4.1)将图像划分为不重叠的多个子区域；

(4.2)提取图像的感兴趣算子特征向量

首先，对每一个子块，提取其在任一尺度下的感兴趣算子特征向量，对图像中每一个子块进行相应的特征提取，即得到图像在尺度下的感兴趣算子特征向量，其中，感兴趣算子特征向量是指滤波图像在其水平、垂直和两个对角线方向上的灰度方差；

然后，获得图像在所有S个尺度下的感兴趣算子特征向量；

(4.3)将该S个尺度下的感兴趣算子特征向量进行连接，即得到最终的代表该图像的感兴趣算子特征向量。

4.根据权利要求1-3之一所述的方法，其特征在于，所述的步骤(4)的聚类过程具体为：

(5.1)对任意的第m类的训练样本集合，根据该第m类样本的样本数目和稀疏程度将其聚类，得到p个子类，其中m为正整数，m≤K；

(5.2)将各子类的聚类中心作为该类样本的新的训练样本；

(5.3)遍历所有类别的样本，并得到各类样本聚类后的新的训练样本集合。

5.根据权利要求1-4之一所述的方法，其特征在于，所述的尺度S为4个，所述角度T为6个，

6.根据权利要求5所述的方法，其特征在于，所述4个尺度的中心频率分别为0.338388，0.253791，0.169194和0.084597；所述6个角度分别为0度，30度，60度，90度，120度和150度。