[发明专利]一种遥感图像场景分类方法

权利要求书

1.一种遥感图像场景分类方法，包括训练阶段和测试阶段；其特征在于，

所述训练阶段包括以下步骤：

步骤1、提取各训练样本图像的局部不变特征，并根据局部不变特征点在图像中的密度分布情况将训练样本图像分为特征点分布均匀和特征点分布不均匀这两类；

步骤2、提取特征点分布均匀的训练样本图像的全局特征，并对一个分类器进行训练，得到第一分类器；提取特征点分布不均匀的训练样本图像的局部特征，并对另一个分类器进行训练，得到第二分类器；

所述测试阶段包括以下步骤：

步骤3、提取测试样本图像的局部不变特征，并根据局部不变特征点在图像中的密度分布情况将测试样本图像分为特征点分布均匀和特征点分布不均匀这两类；

步骤4、提取特征点分布均匀的测试样本图像的全局特征，利用第一分类器对其进行分类；提取特征点分布不均匀的测试样本图像的局部特征，利用第二分类器进行分类。

2.如权利要求1所述遥感图像场景分类方法，其特征在于，所述全局特征为相互串接并归一化的颜色特征和纹理特征。

3.如权利要求2所述遥感图像场景分类方法，其特征在于，所述颜色特征为HSL色彩空间的颜色直方图特征，所述纹理特征为Gabor纹理特征。

4.如权利要求1所述遥感图像场景分类方法，其特征在于，所述局部特征为基于稀疏编码的空间金子塔匹配模型特征。

5.如权利要求1所述遥感图像场景分类方法，其特征在于，具体通过以下方法将图像分为特征点分布均匀和特征点分布不均匀这两类：

对于训练样本图像，将图像分为一组互不重叠且大小相同的图像块，并判断局部不变特征点在这些图像块中的分布方差是否大于预设的方差阈值，如是，则将该图像初步判定为特征点分布不均匀；反之，则初步判定为特征点分布均匀；对于每一类场景的所有训练样本图像，如其中被初步判定为特征点分布均匀的图像所占比例达到或超过预设的比例下限值，则将该类场景的所有训练样本图像划为特征点分布均匀的一类，否则，将该类场景的所有训练样本图像划为特征点分布不均匀的一类；所述比例下限值的取值范围为[0.8,1)；

对于测试样本图像，将图像分为一组互不重叠且大小相同的图像块，并判断局部不变特征点在这些图像块中的分布方差是否大于预设的方差阈值，如是，则将该图像划为特征点分布不均匀的一类；反之，则为特征点分布均匀的一类。

6.如权利要求1所述遥感图像场景分类方法，其特征在于，具体通过以下方法将图像分为特征点分布均匀和特征点分布不均匀这两类：

对于训练样本图像，将图像分为一组互不重叠且大小相同的图像块，并统计各图像块中所包含的局部不变特征点数量，如所包含局部不变特征点数量在预设范围内的图像块在该图像所有图像块中所占的比例大于预设的比例阈值，则将该图像初步判定为特征点分布均匀的一类；反之，则初步判定为特征点分布不均匀的一类；对于每一类场景的所有训练样本图像，如其中被初步判定为特征点分布均匀的图像所占比例达到或超过预设的比例下限值，则将该类场景的所有训练样本图像划为特征点分布均匀的一类，否则，将该类场景的所有训练样本图像划为特征点分布不均匀的一类；所述比例下限值的取值范围为[0.8,1)；

对于测试样本图像，将图像分为一组互不重叠且大小相同的图像块，并统计各图像块中所包含的局部不变特征点数量，如所包含局部不变特征点数量在预设范围内的图像块在该图像所有图像块中所占的比例大于预设的比例阈值，则将该图像划为特征点分布均匀的一类；反之，则划为特征点分布不均匀的一类。