[發明專利]基于稀疏表示的遙感圖像特征提取與場景分類方法

在審

• 申請號: 201910452693.0
• 申請日: 2019-05-28
• 公開（公告）號: CN110135399A
• 公開（公告）日: 2019-08-16
• 發明（設計）人: 郭友良;張鈞萍
• 申請（專利權）人: 哈爾濱工業大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 哈爾濱市松花江專利商標事務所 23109
• 代理人: 于歌

基于稀疏表示的遙感圖像特征提取與場景分類方法，屬于遙感技術領域，本發明為解決現有技術無法正確、高效地對遙感圖像場景進行分類的問題。本發明的具體過程為：對遙感圖像的幾何特征和紋理特征進行提取，獲取遙感圖像的多維度特征；將多維度特征構成冗余字典，采用貪婪算法中的正交匹配追蹤算法求解稀疏表示系數，求取冗余字典與稀疏表示系數的乘積，利用獲得的乘積對待分類樣本進行稀疏重構，獲得稀疏重構殘差；采用K近鄰算法獲得歐氏距離，將稀疏重構殘差和歐式距離進行線性加權；以獲得的結果作為類別標簽，根據最小化重構誤差準則對待測樣本進行分類。本發明用于圖像處理。

技術領域

本發明涉及一種基于稀疏表示的遙感圖像特征提取與場景分類方法，屬于遙感技術領域。

背景技術

隨著遙感技術的不斷完善和發展，衛星遙感數據的分辨率不斷提高，使得獲得的地物的幾何和紋理特征也明顯增多，所提供的地物信息更加豐富，因而其幾何特征與紋理特征提取的難度越來越大。同時，遙感圖像的數據量顯著增加，大量的遙感圖像中蘊含著豐富的場景信息亟待充分挖掘和利用，遙感圖像的場景分類是對高分辨率遙感圖像的有效解譯，但其組成地物的多樣性以及空間分布的復雜性使得目前大多數算法難以對其進行高效正確的分類。

發明內容

本發明目的是為了解決現有技術無法正確、高效地對遙感圖像場景進行分類的問題，提供了一種基于稀疏表示的遙感圖像特征提取與場景分類方法。

本發明所述基于稀疏表示的遙感圖像特征提取與場景分類方法，該場景分類方法的具體過程為：

S1、對遙感圖像的幾何特征和紋理特征進行提取，獲取遙感圖像的多維度特征；

S2、將多維度特征構成冗余字典，采用貪婪算法中的正交匹配追蹤算法求解稀疏表示系數，求取冗余字典與稀疏表示系數的乘積，利用獲得的乘積對待分類樣本進行稀疏重構，獲得稀疏重構殘差；

S3、采用K近鄰算法獲得歐氏距離，將稀疏重構殘差和歐式距離進行線性加權；

S4、以S3獲得的結果作為類別標簽，根據最小化重構誤差準則對待測樣本進行分類。

優選的，S1所述的幾何特征為矩描述子，包括Hu不變矩和Zernike矩，紋理特征為Gabor濾波器、灰度共生矩陣和方向梯度直方圖。

本發明的優點：本發明提出的基于稀疏表示的遙感圖像特征提取與場景分類方法，提取多維度的幾何特征和紋理特征構成學習字典，利用稀疏表示原理，在傳統的稀疏表示分類方法的基礎上，引入了距離信息，通過最小化相關性與距離信息的加權和來分配場景類別，在一定程度上解決了不同場景的高相關性所導致的錯分現象，其核化法解決了特征在非線性情況下難以正確分類的問題，在訓練樣本數較少時其優勢尤為明顯。

附圖說明

圖1是正交匹配追蹤算法錯分示意圖；

圖2是正交匹配追蹤算法錯分原因示意圖；

圖3是基于類判別的稀疏表示分類的分類精度與訓練樣本數的關系示意圖。

具體實施方式

具體實施方式一：本實施方式所述基于稀疏表示的遙感圖像特征提取與場景分類方法，該場景分類方法的具體過程為：

S1、對遙感圖像的幾何特征和紋理特征進行提取，獲取遙感圖像的多維度特征；

S2、將多維度特征構成冗余字典，采用貪婪算法中的正交匹配追蹤算法求解稀疏表示系數，求取冗余字典與稀疏表示系數的乘積，利用獲得的乘積對待分類樣本進行稀疏重構，獲得稀疏重構殘差；

S3、采用K近鄰算法獲得歐氏距離，將稀疏重構殘差和歐式距離進行線性加權；

S4、以S3獲得的結果作為類別標簽，根據最小化重構誤差準則對待測樣本進行分類。