[发明专利]一种基于视觉词袋模型的高分辨率遥感图像分类方法

权利要求书

1.一种基于视觉词袋模型的高分辨率遥感图像分类方法，其特征在于：包括，

图像多特征提取：

将待处理图像进行分割，对每个子区域提取底层特征，并将同一子区域底层特征进行融合；

构建初始视觉词典：

通过K-means聚类算法对融合后的底层特征聚类，每一类均为一个视觉单词，聚类中心的数目便是初始视觉词典的规模；

筛选视觉单词，构建视觉词典子集：

首先，通过ReliefF算法赋予视觉单词权重参数，来表示不同视觉单词对分类的贡献度；然后，结合mRMR准则计算视觉单词的相关度和冗余度，并添加视觉词典平衡系数；最后建立一个新的词典判别函数，筛选得到视觉词典子集；

图像表达和分类：

视觉词典子集通过池化后生成高层语义特征，SPM模型提取图像的空间布局信息，融合高层语义特征和空间布局信息，通过池化后得到最终特征向量，输入分类器完成分类。

2.根据权利要求1所述的一种基于视觉词袋模型的高分辨率遥感图像分类方法，其特征在于：底层特征包括纹理特征、形状特征和KAZE特征，这些特征采用串行方法进行融合。

3.根据权利要求1所述的一种基于视觉词袋模型的高分辨率遥感图像分类方法，其特征在于：K-means聚类算法将所有融合后的底层特征作为待聚类集合X＝{x₁,x₂,...,x_n}，x_j表示第j个子区域融合后的底层特征，选取k个点作为聚类中心，分别计算每个融合后的底层特征与聚类中心的欧式距离，距离最近的归为一类，如下式：

c(i)=argminj||xj-μ||2]]>

其中，c⁽ⁱ⁾为x_j所属的类别，1≤i≤k，x为底层特征，μ为聚类中心。