[发明专利]一种基于类间识别力特征的遥感场景分类方法

说明书

本发明涉及一种基于类间识别力特征的遥感场景分类方法，找到训练样本唯一聚类质心，通过计算聚类质心与样本在特征空间中的距离，将距离曲线拐点对应的值作为阈值；通过任意两图像样本之间的距离由于阈值的大小，判断场景样本是否相似，并累加各个场景下的相似图像，计算场景重叠率；排除掉造成高重叠率的串接特征后，利用基于类内离差平方和与类间离差平方和比值的特征评价指标，为各类场景图像选择指标值最好的表示特征。实际应用中，本发明具有极高的分类准确率，并且经实验验证，本发明的全局分类准确率高于现有的一些有代表性的场景分类方法。

技术领域

本发明涉及一种基于类间识别力特征的遥感场景分类方法，属于遥感图像处理技术领域。

背景技术

由于高空间分辨率(high spatial resolution，HSR)遥感场景图像存在较大的类内变化和较小的类间差异性，使得这种遥感场景分类任务变得尤为困难。为了提升分类表现，前人的工作多集中在描述场景的多种特性或设计有效的图像描述子，例如Zhong等人设计了一种基于词包模型的谱特征表示方法[Zhong Y,Zhu Q,Zhang L.SceneClassification Based on the Multifeature Fusion Probabilistic Topic Model forHigh Spatial Resolution Remote Sensing Imagery[J].IEEE Transactions onGeoscienceRemote Sensing,2015,53(11):6207-6222.]，该方法将图像按指定大小图块(patch)划分，分别计算R、G、B图层的均值和标准差并串接为图块特征，聚类并硬编码得到谱词包模型特征表示。等人改进了Gabor纹理描述子[V,Z.Fusionof Global and Local Descriptors for Remote Sensing Image Classification[J].IEEE GeoscienceRemote Sensing Letters,2013,10(4):836-840.]，该特征基于子波段之间的互相关性，是一种全局纹理描述子。Yuan等人改进了基于词包模型的结构特征表示[Yuan L X,Li S J,Jiang Y P.Remote Sensing Scene Classification Using aPreclassification Strategy and an Improved Structural Feature[J].IEEE Journalof Selected Topics in Applied Earth ObservationsRemote Sensing,2017,10(9):4094–4103.]，利用频繁项集挖掘方法和特征分量选择准则设计了FM-hist和FMS-hist特征。还有一些研究利用不同的学习算法融合多种特征来描述图像。例如，文献[Zhu Q,ZhongY,Zhang L,et al.Scene Classification Based on the Fully Sparse Semantic TopicModel[J].IEEE Transactions on GeoscienceRemote Sensing,2017,55(10):5525-5538.]、[Zhao B,Zhong Y,Xia G S,et al.Dirichlet-Derived Multiple Topic SceneClassification Model for High Spatial Resolution Remote Sensing Imagery[J].IEEE Transactions on GeoscienceRemote Sensing,2016,54(4):2108-2123.]中采用语义主题模型对图像各种特性的语义进行提炼，再融合语义特征对场景进行表征。文献[Zhu Q,Zhong Y,Zhao B,et al.Bag-of-Visual-Words Scene Classifier With Localand Global Features for High Spatial Resolution Remote Sensing Imagery[J].IEEE GeoscienceRemote Sensing Letters,2016,13(6):747-751.]将何种特征用词包模型表示后串接形成图像的表示特征。文献[Bian X,Chen C,Tian L,et al.Fusing Localand Global Features for High-Resolution Scene Classification[J].IEEE Journalof Selected Topics in Applied Earth ObservationsRemote Sensing,2017,10(6):2889-2901.]中利用交叉验证方法将两种不同类型的特征融合来表示图像。