[发明专利]一种多特征自动分级聚合辅助下的遥感影像样本库快速标记方法

摘要

本发明提供一种多特征自动分级聚合辅助下的遥感影像样本库快速标记方法，该方法首先对样本库中的影像提取多个特征，然后利用分级结构的图扩散模型对多个特征进行融合扩散。针对扩散结果，利用谱聚类将原有样本库自动聚合为若干个簇。最后以簇为基本标注单元，通过相似性分析确定每个簇中的关键样本，利用关键样本对簇进行标注，从而完成对整个样本库的全标记。本发明利用分级扩散模型，将互补性较强的特征分配到同一子树内，使得多特征融合效果更好，使得自动聚合与标注结果更加准确。

主权项

1.一种多特征自动分级聚合辅助下的遥感影像样本库快速标记方法，其特征在于，包括如下步骤：步骤1，构建样本特征库：对于包含n幅遥感影像的样本库，首先利用已有的特征提取方法进行图像特征提取，得到样本库的特征库F；其中提取M种类型特征，则整个样本库的特征库可以表示为F＝{F¹，F¹，…，F^M}，其中表示样本库中第m个特征；对于样本库中的第i幅影像，其特征库可以表示为步骤2，分级融合扩散，包括如下子步骤，步骤2.1，构建相似性图：根据特征库F，针对特征库每个特征建立样本之间的相似性图其中相似性图包含的个数与特征数M相等；步骤2.2，子树分配：首先确定子树个数其中H表示不大于根号M的最大整数，然后计算不同特征之间的不相似性，挑选出M个互补性最强的特征分配到H个子树中，每个子树包含D个特征，其中D的个数近似等于M/H；步骤2.3，生成局部连接图：根据全连接图，即步骤2.1中的相似性图，构建局部连接图，其中局部连接图中的每个顶点仅仅与它最相近L个邻接顶点相连；步骤2.4，第一级融合扩散：利用交叉扩散模型，根据全连接图的状态矩阵和局部连接图的核矩阵，对每个子树内的D个多特征进行第一级的融合扩散，获得每个子树的混合多特征相似性矩阵；步骤2.5，第二级融合扩散：根据步骤2.4得到共H个子树的融合扩散结果，利用交叉扩散模型进行第二级融合扩散，得到最终的相似性矩阵；步骤3，样本库标记，包含以下子步骤：步骤3.1，自动聚合：结合步骤2得到的最终的相似性矩阵，利用谱聚类算法对待标记样本库进行自动聚合获得簇；步骤3.2，关键样本标记：根据3.1得到的簇，在每个簇中选取关键样本作为参考对簇进行标记最终得到每一类的有标记标志性样本。