[发明专利]基于稀疏表示的遥感图像特征提取与场景分类方法

说明书

基于稀疏表示的遥感图像特征提取与场景分类方法，属于遥感技术领域，本发明为解决现有技术无法正确、高效地对遥感图像场景进行分类的问题。本发明的具体过程为：对遥感图像的几何特征和纹理特征进行提取，获取遥感图像的多维度特征；将多维度特征构成冗余字典，采用贪婪算法中的正交匹配追踪算法求解稀疏表示系数，求取冗余字典与稀疏表示系数的乘积，利用获得的乘积对待分类样本进行稀疏重构，获得稀疏重构残差；采用K近邻算法获得欧氏距离，将稀疏重构残差和欧式距离进行线性加权；以获得的结果作为类别标签，根据最小化重构误差准则对待测样本进行分类。本发明用于图像处理。

技术领域

本发明涉及一种基于稀疏表示的遥感图像特征提取与场景分类方法，属于遥感技术领域。

背景技术

随着遥感技术的不断完善和发展，卫星遥感数据的分辨率不断提高，使得获得的地物的几何和纹理特征也明显增多，所提供的地物信息更加丰富，因而其几何特征与纹理特征提取的难度越来越大。同时，遥感图像的数据量显著增加，大量的遥感图像中蕴含着丰富的场景信息亟待充分挖掘和利用，遥感图像的场景分类是对高分辨率遥感图像的有效解译，但其组成地物的多样性以及空间分布的复杂性使得目前大多数算法难以对其进行高效正确的分类。

发明内容

本发明目的是为了解决现有技术无法正确、高效地对遥感图像场景进行分类的问题，提供了一种基于稀疏表示的遥感图像特征提取与场景分类方法。

本发明所述基于稀疏表示的遥感图像特征提取与场景分类方法，该场景分类方法的具体过程为：

S1、对遥感图像的几何特征和纹理特征进行提取，获取遥感图像的多维度特征；

S2、将多维度特征构成冗余字典，采用贪婪算法中的正交匹配追踪算法求解稀疏表示系数，求取冗余字典与稀疏表示系数的乘积，利用获得的乘积对待分类样本进行稀疏重构，获得稀疏重构残差；

S3、采用K近邻算法获得欧氏距离，将稀疏重构残差和欧式距离进行线性加权；

S4、以S3获得的结果作为类别标签，根据最小化重构误差准则对待测样本进行分类。

优选的，S1所述的几何特征为矩描述子，包括Hu不变矩和Zernike矩，纹理特征为Gabor滤波器、灰度共生矩阵和方向梯度直方图。

本发明的优点：本发明提出的基于稀疏表示的遥感图像特征提取与场景分类方法，提取多维度的几何特征和纹理特征构成学习字典，利用稀疏表示原理，在传统的稀疏表示分类方法的基础上，引入了距离信息，通过最小化相关性与距离信息的加权和来分配场景类别，在一定程度上解决了不同场景的高相关性所导致的错分现象，其核化法解决了特征在非线性情况下难以正确分类的问题，在训练样本数较少时其优势尤为明显。

附图说明

图1是正交匹配追踪算法错分示意图；

图2是正交匹配追踪算法错分原因示意图；

图3是基于类判别的稀疏表示分类的分类精度与训练样本数的关系示意图。

具体实施方式

具体实施方式一：本实施方式所述基于稀疏表示的遥感图像特征提取与场景分类方法，该场景分类方法的具体过程为：

S1、对遥感图像的几何特征和纹理特征进行提取，获取遥感图像的多维度特征；

S2、将多维度特征构成冗余字典，采用贪婪算法中的正交匹配追踪算法求解稀疏表示系数，求取冗余字典与稀疏表示系数的乘积，利用获得的乘积对待分类样本进行稀疏重构，获得稀疏重构残差；

S3、采用K近邻算法获得欧氏距离，将稀疏重构残差和欧式距离进行线性加权；

S4、以S3获得的结果作为类别标签，根据最小化重构误差准则对待测样本进行分类。