[发明专利]一种基于Lie-Fisher遥感图像的场景分类方法和系统

权利要求书

1.一种基于Lie-Fisher遥感图像的场景分类方法，其特征在于，包括以下步骤：

Step1、获取待处理的遥感图像数据集，将所需处理的遥感数据集分为训练集和测试集；

Step2、将上述训练集和测试集分别转化为训练数据文件和测试数据文件；

Step3、将所述训练数据文件中图像集投影到李群流形空间，得到李群样本集，接着，将李群样本集做李代数映射，得到李代数训练样本集；

Step4、将所述李代数训练样本集中的图像进行区域划分；

Step5、将所述李代数训练样本集中的图像进行区域划分后，得到若干个区域图像样本，分别提取其区域协方差李群特征；

Step6、计算上述每个区域协方差李群特征的李群内均值和总体样本均值；

Step7、根据所得李群内均值和总体样本均值，在李群流形空间上寻找并计算一条李群空间测地线υ；

Step8、将所述测试数据文件中图像集先投影到李群流形空间得到李群样本，计算第i类李群样本在对应李代数空间往李群空间测地线υ方向投影后的均值

Step9、根据对测试数据文件中图像集中的所有测试样本进行类别判定，T_test表示测试样本，i^*表示测试样本对应的类别，表示Step8中计算得到的均值，c为类别数。

2.根据权利要求1所述的基于Lie-Fisher遥感图像的场景分类方法，其特征在于：所述步骤Step3中对每个李群训练样本集做李代数映射：x_ij＝log(M_ij)，其中，M_ij表示李群训练数据文件图像集中第i类别的第j个李群样本，x_ij表示李代数训练样本集第i个分类中第j个样本。

3.根据权利要求1所述的基于Lie-Fisher遥感图像的场景分类方法，其特征在于：所述步骤Step4中将李代数训练样本集中每个图像样本划分为C1，C2，…C11共计11个区域块，每个区域块的大小与李代数训练样本集的特点、应用场景以及设备的环境条件有关。

4.根据权利要求1所述的基于Lie-Fisher遥感图像的场景分类方法，其特征在于，所述步骤Step5具体包括：

提取每个区域块的李群特征，其中(x,y)表示位置坐标特征，(N_R,N_G,N_B)表示颜色归一化特征，(Y,C_b,C_r)表示亮度、色差特征，表示梯度特征，I(x,y)表示亮度，表示纹理特征，m尺度n方向的Gabor滤波特征Gabor(x,y)，LBP(x,y)表示(x,y)处的局部纹理特征，共计14个特征，然后采用14×14维区域协方差表示。

5.根据权利要求4所述的基于Lie-Fisher遥感图像的场景分类方法，其特征在于：14个特征具体表示如下，

所述的颜色归一化和亮度、色差特征，具体表示为：其中R代表红色，G代表绿色，B代表蓝色，Y，C_b，C_r分别表示亮度，蓝色和红色的浓度偏移量成份，N_R，N_G，N_B分别表示R，G，B归一化后的值；

所述的Gabor滤波特征，具体表示为：表示m尺度n方向的Gabor滤波器组对场景灰度图像f(x,y)进行滤波，使得每个位置上的像素点形成m×n特征，其中，a^-m为尺度因子，σ_x和σ_y表示高斯函数标准差，f₀表示滤波器中心频率，θ表示滤波器方向，m和n表示滤波器的尺度数和方向数；

所述的LBP(x,y)特征，表示像素点(x,y)对其周围3×3像素块的8像素，领居的二值化结果。