[發明專利]一種結合顏色與紋理的航拍影像場景分類方法和系統

在審

• 申請號: 202011486562.3
• 申請日: 2020-12-16
• 公開（公告）號: CN112488050A
• 公開（公告）日: 2021-03-12
• 發明（設計）人: 趙晉陵;儲國民;董瑩瑩;黃文江;黃林生;梁棟;徐超;洪琪;翁士狀;張東彥
• 申請（專利權）人: 安徽大學;中國科學院空天信息創新研究院
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62
• 代理公司: 西安銘澤知識產權代理事務所(普通合伙) 61223
• 代理人: 張舉

1.一種結合顏色與紋理的航拍影像場景分類方法，其特征在于，包括：

獲取航拍場景圖像；

采用基于HSV顏色空間的顏色直方圖，獲取航拍場景圖像顏色特征向量；

采用局部二值模式LBP，獲取航拍場景圖像的局部紋理特征向量；

采用梯度-灰度共生矩陣GLGCM，獲取航拍場景圖像的全局紋理特征向量；

將顏色特征向量、局部紋理特征向量、全局紋理特征向量，形成新特征向量矩陣；

從航拍場景圖像中隨機選取一部分航拍場景圖像作為訓練集，另一部分航拍場景圖像為測試集；并將訓練集圖像對應的新特征向量輸入支持向量機SVM分類器進行訓練，得到訓練后的SVM分類器；

將測試集圖像對應的新特征向量輸入訓練后的SVM分類器中，獲得航拍場景圖像的分類結果。

2.如權利要求1所述的結合顏色與紋理的航拍影像場景分類方法，其特征在于，所述將顏色特征向量、局部紋理特征向量、全局紋理特征向量，形成新特征向量，包括：

將局部紋理特征向量和全局紋理特征向量依次添加到顏色特征向量后面，形成新特征向量矩陣。

3.如權利要求1或2所述的結合顏色與紋理的航拍影像場景分類方法，其特征在于，還包括：

對新特征向量矩陣進行標準化處理：形成均值為0，方差為1的正態分布。

4.如權利要求1所述的結合顏色與紋理的航拍影像場景分類方法，其特征在于，所述基采用基于HSV顏色空間的顏色直方圖，獲取航拍場景圖像顏色特征向量，包括：

將航拍場景圖像從RGB顏色空間轉換到HSV顏色空間；

將HSV顏色空間劃分成若干個小的顏色區間，通過計算顏色落在每個小區間內的像素數量，確定基于顏色直方圖的顏色特征向量。

5.如權利要求4所述的結合顏色與紋理的航拍影像場景分類方法，其特征在于，所述將航拍場景圖像從RGB顏色空間轉換到HSV顏色空間，包括：

設(R,G,B)分別是一個顏色的紅、綠、藍坐標，其值為0到1之間的實數；設max等價于R、G和B中的最大者，min等價于R、G和B中的最小者，H、S、V計算為：

V＝max

6.如權利要求1所述的結合顏色與紋理的航拍影像場景分類方法，其特征在于，所述采用局部二值模式LBP，獲取航拍場景圖像的局部紋理特征向量，包括：

將航拍場景圖像劃分為若干個子區域，對每個子區域內的每個像素點均提取LBP特征；

根據局部二值模式LBP，在每個子區域內建立LBP特征的統計直方圖；

將每個子區域的統計直方圖進行連接，形成部紋理特征向量。

7.如權利要求6所述的結合顏色與紋理的航拍影像場景分類方法，其特征在于，所述局部二值模式LBP，包括：

半徑為R的圓形區域內含有P個采樣點的LBP算子，LBP算子表示為：

其中，(x_c,y_c)是中心像素坐標，i_c是中心像素灰度值，i_p是鄰域采樣點灰度值，s(i_p-i_c)是一個符號函數。

8.如權利要求1所述的結合顏色與紋理的航拍影像場景分類方法，其特征在于，所述采用梯度-灰度共生矩陣GLGCM，獲取航拍場景圖像的全局紋理特征向量，包括：

通過3*3窗口的梯度算子，獲取航拍場景圖像的梯度信息，并對梯度信息和灰度信息進行歸一化處理；

將梯度信息加入到灰度共生矩陣中，形成灰度-梯度共生矩陣；

根據灰度-梯度共生矩陣和紋理參數，確定全局紋理特征向量；其中，所述紋理參數包括：小梯度優勢、大梯度優勢、灰度分布不均勻性、梯度分布不均勻性、能量、灰度平均、梯度平均、灰度均方差、梯度均方差、相關、灰度熵、梯度熵、混合熵、慣性、逆差矩。