高分辨率遙感圖像地物信息豐富,但場景構成復雜,目前基于手工設計的特征提取方法不能滿足復雜場景分類的需求,而非監(jiān)督特征學習方法盡管能夠挖掘局部圖像塊的本征結構,但單一種類及尺度的特征難以有效表達實際應用中復雜遙感場景特性,導致分類性能受限.針對此問題,本文提出了一種基于多尺度多特征的遙感場景分類方法.該算法首先設計了一種改進的譜聚類非監(jiān)督特征(iUFL-SC)以有效表征圖像塊的本征結構,然后通過密集采樣提取每幅遙感場景的iUFL-SC、LBP、SIFT等三種多尺度局部圖像塊特征,并通過視覺詞袋模型(BoVW)獲得場景的中層特征表達,以實現(xiàn)更為準確詳實的特征描述,最后基于直方圖交叉核的支持向量機(HIKSVM)進行分類.在UC Merced數(shù)據集以及WHU-RS19數(shù)據集上的實驗結果表明本文方法可對遙感場景進行鑒別特征提取,有效提高分類性能.

【文章頁數(shù)】：10 頁

【文章目錄】：
1 引言
2 相關方法
    2.1 LBP特征
    2.2 SIFT特征
3 本文算法
    3.1 iUFL-SC特征提取
    3.2 BoVW模型框架下的MMF分類方法
4 實驗結果及分析
    4.1 實驗數(shù)據集
    4.2 實驗設置
    4.3 參數(shù)實驗
        4.3.1 融合系數(shù)α
        4.3.2 視覺詞匯個數(shù)NOC
    4.4 UCM數(shù)據集實驗結果與分析
    4.5 WHU-RS19數(shù)據集實驗結果與分析
5 結論



本文編號：3839693