一种基于类间识别力特征的遥感场景分类方法技术

本发明专利技术涉及一种基于类间识别力特征的遥感场景分类方法，找到训练样本唯一聚类质心，通过计算聚类质心与样本在特征空间中的距离，将距离曲线拐点对应的值作为阈值；通过任意两图像样本之间的距离由于阈值的大小，判断场景样本是否相似，并累加各个场景下的相似图像，计算场景重叠率；排除掉造成高重叠率的串接特征后，利用基于类内离差平方和与类间离差平方和比值的特征评价指标，为各类场景图像选择指标值最好的表示特征。实际应用中，本发明专利技术具有极高的分类准确率，并且经实验验证，本发明专利技术的全局分类准确率高于现有的一些有代表性的场景分类方法。

【技术实现步骤摘要】
一种基于类间识别力特征的遥感场景分类方法
本专利技术涉及一种基于类间识别力特征的遥感场景分类方法，属于遥感图像处理

技术介绍
由于高空间分辨率(highspatialresolution，HSR)遥感场景图像存在较大的类内变化和较小的类间差异性，使得这种遥感场景分类任务变得尤为困难。为了提升分类表现，前人的工作多集中在描述场景的多种特性或设计有效的图像描述子，例如Zhong等人设计了一种基于词包模型的谱特征表示方法[ZhongY,ZhuQ,ZhangL.SceneClassificationBasedontheMultifeatureFusionProbabilisticTopicModelforHighSpatialResolutionRemoteSensingImagery[J].IEEETransactionsonGeoscience&RemoteSensing,2015,53(11):6207-6222.]，该方法将图像按指定大小图块(patch)划分，分别计算R、G、B图层的均值和标准差并串接为图块特征，聚类并硬编码得到谱词包模型特征表示。等人改进了Gabor纹理描述子[V,Z.FusionofGlobalandLocalDescriptorsforRemoteSensingImageClassification[J].IEEEGeoscience&RemoteSensingLetters,2013,10(4):836-840.]，该特征基于子波段之间的互相关性，是一种全局纹理描述子。Yuan等人改进了基于词包模型的结构特征表示[YuanLX,LiSJ,JiangYP.RemoteSensingSceneClassificationUsingaPreclassificationStrategyandanImprovedStructuralFeature[J].IEEEJournalofSelectedTopicsinAppliedEarthObservations&RemoteSensing,2017,10(9):4094–4103.]，利用频繁项集挖掘方法和特征分量选择准则设计了FM-hist和FMS-hist特征。还有一些研究利用不同的学习算法融合多种特征来描述图像。例如，文献[ZhuQ,ZhongY,ZhangL,etal.SceneClassificationBasedontheFullySparseSemanticTopicModel[J].IEEETransactionsonGeoscience&RemoteSensing,2017,55(10):5525-5538.]、[ZhaoB,ZhongY,XiaGS,etal.Dirichlet-DerivedMultipleTopicSceneClassificationModelforHighSpatialResolutionRemoteSensingImagery[J].IEEETransactionsonGeoscience&RemoteSensing,2016,54(4):2108-2123.]中采用语义主题模型对图像各种特性的语义进行提炼，再融合语义特征对场景进行表征。文献[ZhuQ,ZhongY,ZhaoB,etal.Bag-of-Visual-WordsSceneClassifierWithLocalandGlobalFeaturesforHighSpatialResolutionRemoteSensingImagery[J].IEEEGeoscience&RemoteSensingLetters,2016,13(6):747-751.]将何种特征用词包模型表示后串接形成图像的表示特征。文献[BianX,ChenC,TianL,etal.FusingLocalandGlobalFeaturesforHigh-ResolutionSceneClassification[J].IEEEJournalofSelectedTopicsinAppliedEarthObservations&RemoteSensing,2017,10(6):2889-2901.]中利用交叉验证方法将两种不同类型的特征融合来表示图像。由于遥感场景存在较大的类内差异，以及较高的类间相似性，若未注意到不同特征对不同场景的特异性描述，也就是忽视场景类别之间的特性差异，如对结构特性明显的密集住宅，仅采用结构特征描述的效果远优于再引入谱特征的描述。换言之，不同场景之间某些相似的特性若未被排除则会影响场景区分，导致分类准确率较低。以往的分类方法通常直接用可能的所有特性描述场景，未考虑到特征的类间识别力，因此场景图像往往缺乏针对性地表征，因而场景分类准确率还有较大的提升空间。
技术实现思路
本专利技术所要解决的技术问题是提供一种基于类间识别力特征的遥感场景分类方法，为各场景类别选择最适的表示特征，从而获得极高的场景分类准确率。本专利技术为了解决上述技术问题采用以下技术方案：本专利技术设计了一种基于类间识别力特征的遥感场景分类方法，首先根据预设至少两个单特征，初始化获得由各个单特征组成的各个串接特征，由各个串接特征组建识别特征组，并建立各个遥感场景类别分别对应该识别特征组，然后执行如下步骤，获得分别对应各个遥感场景类别的分类特征，用于实现后期针对遥感场景的分类；步骤A.采用预设聚类方法获得各类遥感场景类别下所有图像的唯一的聚类质心，并获得各个遥感场景类别下各图像分别与聚类质心之间的欧式距离，再针对各个遥感场景类别下所有图像，按其与聚类质心之间欧式距离进行降序排序，然后进入步骤B；步骤B.构建以横坐标为图像标号、纵坐标为图像与聚类质心之间欧式距离的二维坐标，针对所有排序图像在该二维坐标系中进行点标记，并根据图像排序，串接各标记点进行连线，选择连线拐点所对应的纵坐标作为距离阈值Thd，然后进入步骤C；步骤C.基于距离阈值Thd，分别基于识别特征组中的各个串接特征下，获取各个遥感场景类别分别相对其它各个遥感场景类别的重叠率，然后进入步骤D；步骤D.分别针对各个遥感场景类别，获取使得遥感场景类别与其它各遥感场景类别之间产生高于预设重叠率阈值的串接特征，并将该遥感场景类别所对应识别特征组中的该串接特征进行删除，即更新各个遥感场景类别分别所对应的识别特征组，然后进入步骤E；步骤E.分别针对各个遥感场景类别，获取遥感场景类别分别在所对应识别特征组中各个串接特征下、与识别特征组中同样包含该串接特征的遥感场景类别之间的类内离差平方和与类间离差平方和的比值，然后选择最小比值所对应的串接特征，作为该遥感场景类别的分类特征，进而获得各个遥感场景类别分别所对应的分类特征，用于实现后期针对遥感场景的分类。作为本专利技术的一种优选技术方案：所述初始化获得由各个单特征组成的各个串接特征后，删除各串接特征中的噪声分量，然后由各个串接特征组建识别特征组。作为本专利技术的一种优选技术方案：所述初始化获得由各个单特征组成的各个串接特征后，采用基于熵的特征分量选择方法，删除各串接特征中的噪声分量，然后由各个串接特征组建识别特征组。作为本专利技术的一种优选技术方案本文档来自技高网...

【技术保护点】
1.一种基于类间识别力特征的遥感场景分类方法，其特征在于：首先根据预设至少两个单特征，初始化获得由各个单特征组成的各个串接特征，由各个串接特征组建识别特征组，并建立各个遥感场景类别分别对应该识别特征组，然后执行如下步骤，获得分别对应各个遥感场景类别的分类特征，用于实现后期针对遥感场景的分类；步骤A.采用预设聚类方法获得各类遥感场景类别下所有图像的唯一的聚类质心，并获得各个遥感场景类别下各图像分别与聚类质心之间的欧式距离，再针对各个遥感场景类别下所有图像，按其与聚类质心之间欧式距离进行降序排序，然后进入步骤B；步骤B.构建以横坐标为图像标号、纵坐标为图像与聚类质心之间欧式距离的二维坐标，针对所有排序图像在该二维坐标系中进行点标记，并根据图像排序，串接各标记点进行连线，选择连线拐点所对应的纵坐标作为距离阈值Thd，然后进入步骤C；步骤C.基于距离阈值Thd，分别基于识别特征组中的各个串接特征下，获取各个遥感场景类别分别相对其它各个遥感场景类别的重叠率，然后进入步骤D；步骤D.分别针对各个遥感场景类别，获取使得遥感场景类别与其它各遥感场景类别之间产生高于预设重叠率阈值的串接特征，并将该遥感场景类别所对应识别特征组中的该串接特征进行删除，即更新各个遥感场景类别分别所对应的识别特征组，然后进入步骤E；步骤E.分别针对各个遥感场景类别，获取遥感场景类别分别在所对应识别特征组中各个串接特征下、与识别特征组中同样包含该串接特征的遥感场景类别之间的类内离差平方和与类间离差平方和的比值，然后选择最小比值所对应的串接特征，作为该遥感场景类别的分类特征，进而获得各个遥感场景类别分别所对应的分类特征，用于实现后期针对遥感场景的分类。...

【技术特征摘要】
1.一种基于类间识别力特征的遥感场景分类方法，其特征在于：首先根据预设至少两个单特征，初始化获得由各个单特征组成的各个串接特征，由各个串接特征组建识别特征组，并建立各个遥感场景类别分别对应该识别特征组，然后执行如下步骤，获得分别对应各个遥感场景类别的分类特征，用于实现后期针对遥感场景的分类；步骤A.采用预设聚类方法获得各类遥感场景类别下所有图像的唯一的聚类质心，并获得各个遥感场景类别下各图像分别与聚类质心之间的欧式距离，再针对各个遥感场景类别下所有图像，按其与聚类质心之间欧式距离进行降序排序，然后进入步骤B；步骤B.构建以横坐标为图像标号、纵坐标为图像与聚类质心之间欧式距离的二维坐标，针对所有排序图像在该二维坐标系中进行点标记，并根据图像排序，串接各标记点进行连线，选择连线拐点所对应的纵坐标作为距离阈值Thd，然后进入步骤C；步骤C.基于距离阈值Thd，分别基于识别特征组中的各个串接特征下，获取各个遥感场景类别分别相对其它各个遥感场景类别的重叠率，然后进入步骤D；步骤D.分别针对各个遥感场景类别，获取使得遥感场景类别与其它各遥感场景类别之间产生高于预设重叠率阈值的串接特征，并将该遥感场景类别所对应识别特征组中的该串接特征进行删除，即更新各个遥感场景类别分别所对应的识别特征组，然后进入步骤E；步骤E.分别针对各个遥感场景类别，获取遥感场景类别分别在所对应识别特征组中各个串接特征下、与识别特征组中同样包含该串接特征的遥感场景类别之间的类内离差平方和与类间离差平方和的比值，然后选择最小比值所对应的串接特征，作为该遥感场景类别的分类特征，进而获得各个遥感场景类别分别所对应的分类特征，用于实现后期针对遥感场景的分类。2.根据权利要求1所述一种基于类间识别力特征的遥感场景分类方法，其特征在于：所述初始化获得由各个单特征组成的各个串接特征后，删除各串接特征中的噪声分量，然后由各个串接特征组建识别特征组。3.根据权利要求2所述一种基于类间识别力特征的遥感场景分类方法，其特征在于：所述初始化获得由各个单特征组成的各个串接特征后，采用基于熵的特征分量选择方法，删除各串接特征中的噪声分量，然后由各个串接特征组建识别特征组。4.根据权利要求1所述一种基于类间识别力特征的遥感场景分类方法，其特征在于：所述步骤A中，采用基于局部密度和相对距离的聚类方法，获得各类遥感场景类别下所有图像的唯一的聚类质心。5.根据权利要求1所述一种基于类间识别力特征的遥感场景分类方法，其特征在于，所述步骤C，分别基于识别特征组中的各个串接特征下，执行如下步骤：步骤C1.针对所有遥感场...

【专利技术属性】
技术研发人员：李士进，袁俐新，朱小明，万定生，冯钧，朱跃龙，
申请(专利权)人：河海大学，
类型：发明
国别省市：江苏,32