The invention discloses a scene classification method of aerial remote sensing image based on image complexity determination, which belongs to the field of image processing technology. The method extracts the complexity characteristics of aerial remote sensing image, selects several aerial remote sensing images to be processed to form training samples, and the remaining aerial remote sensing images to form a test sample set. The training sample set is manually classified and labeled according to the complexity. Three image complexity classifiers are obtained by combining the multi-kernel mapping with the classifier. The complexity feature of aerial remote sensing image A in test set is extracted and input into three classifiers. The category corresponding to the minimum loss of hinge is taken as the category of the complexity of the image, and the judgment result of the complexity of aerial remote sensing image A is obtained. According to the decision result of the complexity of the aerial remote sensing image A, the aerial remote sensing image A is classified by appropriate methods. The invention can effectively determine the complexity of the aerial remote sensing image and efficiently and accurately realize the scene classification of the aerial remote sensing image.
【技术实现步骤摘要】
一种基于图像复杂度判定的航空遥感图像场景分类方法
本专利技术属于图像处理
,具体涉及一种基于图像复杂度判定的航空遥感图像场景分类方法。
技术介绍
近年来,随着国内航空、电子及信息产业的不断进步,无人机相关技术也在飞速发展,促使航空遥感图像的种类丰富,质量提升,应用更加广泛。航空遥感图像是获取基础地理信息的主要手段,是开展测绘工作的基础,也是相关部门获取地表原始信息的主要资料来源,与国土资源管理、防灾救灾、交通水利建设、城市规划、国防建设、环境保护以及科学研究等事业息息相关。图像的场景分类是计算机视觉中的一个重要分支。对于航空遥感图像,场景分类的结果代表对整幅图像最直观的理解,是进一步决策的重要参考依据。采用图像特征与分类器结合的方式是研究图像场景分类的主要方法,目前常用的图像特征主要分为两类:底层视觉特征和中高层语义特征。其中,底层视觉特征从图像的颜色、纹理、形状、空间结构等特性出发设计,具有简单高效等优点。但其包含图像信息较少,只是反映对图像某些特性的描述,难以表达图像中的语义概念,对不同场景图像的适应能力很差,难以胜任内容复杂的图像的场景分类任务。中高层语义特征从解决低层特征与人类高层语义之间的“语义鸿沟”角度出发,将图像的局部单元对应为图像集合的基本组成,并且通过构建局部与集合间的映射关系,获取单张图像中各个局部单元的相互关系及分布情况达到对图像进行理解的目的。中高层语义特征更加适用于复杂图像的处理,但因其提取方式复杂,使得在处理效率上存在一定不足。现有的图像场景分类方法通常针对具有自然场景,城市场景及室内场景的图像。航空遥感图像因拍摄时成像距 ...
【技术保护点】
1.一种基于图像复杂度判定的航空遥感图像场景分类方法,其特征在于,具体步骤如下:步骤一、对每个待处理的航空遥感图像进行复杂度特征提取;所述的复杂度特征包括:信息熵,边缘比率,颜色分布比率和灰度一致性;步骤二、随机挑选若干待处理的航空遥感图像形成训练样本集合,并将样本图像的复杂度特征向量作为分类器的训练数据;剩余的航空遥感图像形成测试样本集合;某个待处理的航空遥感图像的复杂度特征向量由并列输入的四个复杂度特征:信息熵,边缘比率,颜色分布比率及灰度一致性组成;步骤三、将训练样本集合中每个待处理的航空遥感图像,按复杂度人工分类并标注;步骤四、对于训练数据采用简单多核学习法,进行多核映射后与分类器结合,得到三个图像复杂度分类器;具体步骤如下:步骤401、对于简单图像的训练数据中,将某图像的每种输入特征,分别映射到三种核函数的核空间中;核函数分为三种:高斯核、直方图交叉核和多项式核;高斯核表达式如下:
【技术特征摘要】
1.一种基于图像复杂度判定的航空遥感图像场景分类方法,其特征在于,具体步骤如下:步骤一、对每个待处理的航空遥感图像进行复杂度特征提取;所述的复杂度特征包括:信息熵,边缘比率,颜色分布比率和灰度一致性;步骤二、随机挑选若干待处理的航空遥感图像形成训练样本集合,并将样本图像的复杂度特征向量作为分类器的训练数据;剩余的航空遥感图像形成测试样本集合;某个待处理的航空遥感图像的复杂度特征向量由并列输入的四个复杂度特征:信息熵,边缘比率,颜色分布比率及灰度一致性组成;步骤三、将训练样本集合中每个待处理的航空遥感图像,按复杂度人工分类并标注;步骤四、对于训练数据采用简单多核学习法,进行多核映射后与分类器结合,得到三个图像复杂度分类器;具体步骤如下:步骤401、对于简单图像的训练数据中,将某图像的每种输入特征,分别映射到三种核函数的核空间中;核函数分为三种:高斯核、直方图交叉核和多项式核;高斯核表达式如下:σ为高斯核参数;x,z为同一个输入特征的两个不同样本,||x-z||为两个特征样本的欧氏距离;直方图交叉核表达式如下:xi,zi分别为两个特征统计直方图中第i个bin的值,n'为bin的总个数;多项式核表达式如下:κ(x,z)=(x·z+c)dc,d为多项式核参数;步骤402、将三种核函数核映射后的特征进行权重初始化,并将结果进行线性组合;权重初始化是指第k种特征使用第m个核函数映射对应的权重βkm初始为小的随机值;组合结果为:N为输入特征的种类,M为核函数的种类,βkm为第k种特征使用第m个核函数映射对应的权重,κkm(x,x')为第k种特征在第m个核函数映射后的结果;步骤403、将线性组合结果与SVM分类器结合,得到优化问题:wkm为第k种特征使用第m个核函数映射时对应的向量参数,C为惩罚系数,ξki为第k种特征的第i个样本对应的松弛变量;yki为第k种特征中第i个样本对应的标签值,b为偏移参数,φki(x)为第k种特征的第i个样本对应的映射函数,映射函数与核函数的关系为:κ(x,z)=φ(x)·φ(z)步骤404、根据简单多核学习理论,采用拉格朗日...
【专利技术属性】
技术研发人员:丁文锐,陈映雪,李红光,
申请(专利权)人:北京航空航天大学,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。