[发明专利]基于HSV和LBP结合的地表状态识别方法

说明书

基于HSV和LBP结合的地表状态识别算法，在利用遥感方法对地表信息进行反演时，不同地表状态所用的遥感探测方法会不同。因此，地表状态识别是进行地表遥感反演的前提，其识别的准确率也决定了遥感反演结果的准确度。本发明提供了一种结合HSV与LBP的地表状态识别方法，通过改进阈值的LBP算子和颜色直方图结合形成单一特征向量并建立判别条件，最后利用K邻近算法计算欧式距离对训练样本的特征向量与待识别图像进行相似度匹配，从而得到分类结果。本发明的方法识别精度高，不需要大量样本库，速度快，稳定性好，并解决了噪声干扰的问题。可以广泛应用于遥感与地理信息系统等领域。

技术领域

本发明涉及图像识别领域，在进行地表信息的遥感反演前，对地表状态提供了一种精确、高效的图像分类识别系统机制。算法识别精度高，不需要大量数据库，复杂度低，速度快，稳定性好。

背景技术

遥感研究逐渐呈现多学科综合化的发展趋势。开展地表关键要素遥感定量反演与估算，并建立高精度的遥感定量反演产品,将为地球系统过程的研究和应用提供更为精确可靠的卫星遥感观测数据。但在进行反演时，为实现数据信息的利用最大化，提高反演的精度，不同地表状态要采用不同的遥感探测方法。因此，地表状态识别是进行地表遥感反演的前提条件，其识别的准确率也决定了遥感反演结果的准确度。

地表状态识别算法主要分为两大部分，图像的特征提取和图像分类。由于地表状态这种自然图像比人脸等图像识别维度低，采用经典的K邻近算法作为分类器，既保证了识别的准确率，也减少了计算量。因此算法的关键在于地表状态的特征提取，虽然人类区分不同纹理的能力很明显，但自动描述这些特征并识别已经证明是相当复杂的。根据人们视觉感知，常用的反映图像底层特征有颜色、纹理、形状。纹理是一种反映图像中同质现象的基本视觉特征，能够有效描述视觉图像中结构，粒度，方向和规则性的区域差。提取图像纹理特征是获取地表状态信息的有效方法。多年来，除了通过图像统计模式、结构模式、光谱性质反映图像纹理的局部特征。基于信号处理的傅立叶变换、小波变换、Gabor变换等多种纹理特征提取算法被广泛应用到图像分析中。但是由于纹理微观异构的复杂性，纹理研究依然是图像识别领域的热点难点。有研究表明当纹理呈现某种结构时，并不严格地保持粒子的性质。结构方法试图用规则来描述纹理特征并不具有普适性。因而最早由Ojala 等人在1996年提出的通过统计图像纹理特征的经典LBP算子被广泛应用。

LBP算子是由纹理灰度范围内局部邻域定义中衍生出的度量算子，展现图像区域内灰度值在空间排列的属性规律。计算方法简单，高效。2012年 Zhu,CR在LBP基础上提出LMP(局部多值模式)，将二进制模式扩展到多个模式，降噪性能更强，算法更健壮。近年来国内学者在传统的LBP算子上做了优化，刘松涛等人基于LBP提出方向LBP，自适应LBP以及方向自适应LBP提取多光谱图像纹理特征。张喆等人提出融合LBP与灰度共生矩阵 (GLCM)统计纹理特征，应用于图像检索。郑淑丹等人结合分形理论和灰度共生矩阵等多种纹理特征提取算法应用于植物分类。黄菲菲等人结合小波和LBP算子应用于人脸识别领域，取得高达0.99的准确率。2017年松下电器(美国)知识产权公司的图像识别专利中，提供了一种使用了卷积神经网络图像识别器的计算机进行的图像识别的方法，能够分别正确地识别在图像中部分重叠的多个识别对象。另外深圳信炜科技有限公司的发明公开一种图像识别电子装置。

以上所述的多种纹理算法相继被应用在车标识别，医学影像处理等多个领域中。但是这些改进的算法在精确度提升的同时，复杂度也大大提高，制约实际应用，例如结合信号处理方法改进的LBP算法都不适用于处理地表状态等自然图像，首先是在计算量较大，改进算法稳定性也无法保证。另外关键原因是自然纹理可能并不会出现规则纹理，这些方法都无法统计没有周期性结构的自然纹理特征，因此往往实际应用中取得效果不佳。