[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

本發明公開了一種結合顏色與紋理的航拍影像場景分類方法，包括：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；將新特征向量進行標準化處理后輸入支持向量機SVM分類器進行訓練，獲得分類結果。該分類方法有效的提高了應用低級視覺特征時的分類精度。

技術領域

本發明涉及航拍場景分類技術領域，更具體的涉及一種結合顏色與紋理的航拍影像場景分類方法和系統。

背景技術

航拍影像是研究地球環境不可缺少的工具，其能夠對具有詳細結構的地球表面進行測量，是對地觀測具有重要意義的數據源。由于航拍影像數量的龐大以及其幾何結構和空間格局的高度復雜，遠遠超出了人工處理能力范圍之外，無法進行及時、有效的特征提取。在這種情況下，對航拍影像進行分類就顯得尤為重要。

航拍影像分類是一項通過對場景的直接建模，利用空間布局和結構模式的變化，將航拍圖像劃分為不同的語義類別。因此，其中最關鍵且最有挑戰性的就是研究出一種有效的整體表示方法來直接對航空場景建模。

在過去的幾年里，場景分類在已經得到了很好的研究，許多專家學者都在努力開發新的分類技術來提高分類結果的準確性。在以往的各種研究工作中，有通過顏色、紋理、結構等視覺特征來區分航拍場景，由于影像的復雜結構，局部結構描述符被廣泛應用于航空影像結構局部變化的建模。例如，Yang和Newsam比較了尺度不變特征變換(ScaleInvariant Feature Transform，SIFT)和Gabor紋理特征，在同樣都使用最大先驗概率(maximum a posteriori，MAP)分類器對IKONOS衛星圖像進行分類的條件下，發現SIFT的效果更好。為了描述航拍影像的空間格局，顏色和紋理信息也得到了很好的研究。dos Santos等人評估了用于場景分類的各種全局顏色描述符和紋理描述符，如顏色直方圖(colorhistogram，CH)和局部二值模式(local binary pattern，LBP)。

雖然單一的特征在分類中已經取得了不錯的效果，但是互補的特征組合往往可以改善分類結果。Avramovic和Risojevi c將gist和SIFT描述符組合用于航空場景分類。Risojevi c和Babi′c著重于場景的紋理信息，先后提出了一個局部的結構性紋理描述符，一個取向的差異描述符，基于Gabor濾波器的增強Gabor紋理描述符進一步提高了性能。Luo等提取六種不同類型的特征描述符，即簡單的輻射特征，高斯小波特征，灰度共生矩陣(GLCM)，Gabor濾波器，形狀特征和SIFT，并結合它們形成了一種用于不同空間分辨率遙感影像的多特征表示，結果表明多特征可以更好地描述航空場景。

除了依賴低層視覺特征的方法，還有一種航空場景分析方法是通過對提取的局部視覺特征形成的高階統計模式進行表示，形成整體的場景表示。其中一種被稱為bag-of-visual-words(BOVW)的方法是一種比較流行的用于土地利用場景識別的方法。由于其簡單和高效，BOVW模型及其變體被廣泛用于航空場景識別。為了提高BOVW模型的識別能力，在傳統BOVW模型的基礎上結合多個互補的低層視覺特征。例如，cheng和Yang等人用各種局部描述符，包括SIFT、GIST和LBP，被用于航空場景分類的標準BoVW模型評價。以上基于BOVW模型模型的方法，使用的是各種手工局部圖像描述符。近些年來，無監督特征學習方法被用來自動學習自特征描述符。Zhang等人使用稀疏自編碼器提取圖像塊的特征，利用影像的局部空間和結構信息。

近些年隨著神經網絡的興起，深度學習方法在許多計算機視覺任務上取得了令人印象深刻的效果。與中低級視覺方法相比，深度學習方法可以學習到更抽象、更有區別性的語義特征，分類性能也要好得多。Wanet等提出了一種基于特征池和非線性分裂歸一化的局部特征表示方法。Chenget等在現有CNN架構的基礎上引入了額外的旋轉不變層來處理遙感圖像的旋轉變化問題。