高分辨率遙感圖像地物信息豐富,但場(chǎng)景構(gòu)成復(fù)雜,目前基于手工設(shè)計(jì)的特征提取方法不能滿足復(fù)雜場(chǎng)景分類的需求,而非監(jiān)督特征學(xué)習(xí)方法盡管能夠挖掘局部圖像塊的本征結(jié)構(gòu),但單一種類及尺度的特征難以有效表達(dá)實(shí)際應(yīng)用中復(fù)雜遙感場(chǎng)景特性,導(dǎo)致分類性能受限.針對(duì)此問(wèn)題,本文提出了一種基于多尺度多特征的遙感場(chǎng)景分類方法.該算法首先設(shè)計(jì)了一種改進(jìn)的譜聚類非監(jiān)督特征(iUFL-SC)以有效表征圖像塊的本征結(jié)構(gòu),然后通過(guò)密集采樣提取每幅遙感場(chǎng)景的iUFL-SC、LBP、SIFT等三種多尺度局部圖像塊特征,并通過(guò)視覺詞袋模型(BoVW)獲得場(chǎng)景的中層特征表達(dá),以實(shí)現(xiàn)更為準(zhǔn)確詳實(shí)的特征描述,最后基于直方圖交叉核的支持向量機(jī)(HIKSVM)進(jìn)行分類.在UC Merced數(shù)據(jù)集以及WHU-RS19數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明本文方法可對(duì)遙感場(chǎng)景進(jìn)行鑒別特征提取,有效提高分類性能.

【文章頁(yè)數(shù)】：10 頁(yè)

【文章目錄】：
1 引言
2 相關(guān)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(shí)驗(yàn)結(jié)果及分析
    4.1 實(shí)驗(yàn)數(shù)據(jù)集
    4.2 實(shí)驗(yàn)設(shè)置
    4.3 參數(shù)實(shí)驗(yàn)
        4.3.1 融合系數(shù)α
        4.3.2 視覺詞匯個(gè)數(shù)NOC
    4.4 UCM數(shù)據(jù)集實(shí)驗(yàn)結(jié)果與分析
    4.5 WHU-RS19數(shù)據(jù)集實(shí)驗(yàn)結(jié)果與分析
5 結(jié)論



本文編號(hào)：3839693