[发明专利]基于HSV和LBP结合的地表状态识别方法

摘要

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。

主权项

1.基于HSV和LBP结合的地表状态识别算法包括以下步骤：步骤一、建立野外拍摄的地表状态图像样本数据库；步骤二、遍历样本数据库中图像的所有像素点，将每个点作为中心点，取x*x的邻域窗口，不断移动窗口，计算每个窗口内所有像素均值；步骤三、将步骤二计算的像素均值与该窗口中心点像素值进行比较，大于或者等于中心像素标记为1，其余标记为0，得到二值化图像；步骤四、将步骤二得到的二值图像与模板卷积，结果表征为该窗口的LBP值；步骤五、重复步骤二到四，得到图像的LBP图谱，即可表示图像纹理特征；步骤六、再次读入样本数据库图像，将RGB颜色模型转换到HSV颜色空间；步骤七、把H,S,V三分量按照参数a,b,c进行非等间隔量化，构造颜色直方图，既可表示图像颜色特征；步骤八、将步骤四提取的图像纹理特征和步骤七提取的图像颜色特征的值归一化，得到一维特征向量存储在样本数据库中；步骤九、读入待识别的图像，重复步骤二至八，得到用于表示图像纹理和颜色的特征向量；步骤十、将步骤九得到的特征向量输入KNN分类器，选用欧氏距离来衡量待识别图像与样本数据库图像的相似度；步骤十一、输出识别分类结果，即完成所述的基于HSV和LBP结合的地表状态识别算法。