一种基于分层结构的遥感场景分类方法技术

本发明专利技术公开了一种基于分层结构的遥感场景分类方法，首先针对训练样本和测试样本分别获取特征矩阵，并构造分层结构，然后针对分层结构进行从上而下的学习，计算每一层测试样本与训练样本对应的特征矩阵的测地线距离，并比较测地线距离与预先设定的阈值α关系，计算每一层权重值；统计权重值为正数的个数，如果正数值大于负数值，则该测试样本类别与训练样本属于同一类，反之，不属于同一类，直到完成测试样本类别的判断为止。本发明专利技术具有如下优点：(1)复杂的问题通过分层变成简单的子问题。(2)预处理特征提取能降低时间复杂度和空间复杂度。

A method of remote sensing scene classification based on hierarchical structure

【技术实现步骤摘要】
一种基于分层结构的遥感场景分类方法
本专利技术涉及图像处理、遥感场景分类领域，尤其是涉及基于分层结构的遥感场景分类方法。
技术介绍
由于传感技术和卫星传感器的快速发展，现在可以很容易获取到具有高分辨率的遥感影像，并且所花费的时间更短。高分辨率的遥感影像包含更多更详细的特征，例如轮廓、纹理、结构等，这些特征能够帮助我们更好的对遥感场景进行识别分类。与此同时，高分辨率遥感影像在提供更多更详细的特征的同时也带来了存储难、计算慢和效率低等问题。遥感影像场景分类在城市规划设计、土地利用、国土资源检测、城市绿地规划、城市目标检测、城市功能区建设、城市水和气体污染等领域都起着非常重要的作用。目前，使用的主要方法有：(1)对图像直接提取特征描述子，比如尺度不变特征变换SIFT、颜色直方图、方向梯度直方图HOG、局部二值模式LBP等；(2)在图像分块提取的一些底层特征基础上继续进行特征提取，比如词袋模型BOVW、稀疏编码等；(3)通过训练深度网络模型，对图像自动提取特征。上述分类方法存在以下不足：第一种方法虽然步骤简单，但由于低层特征对于场景语义本文档来自技高网...

【技术保护点】
1.一种基于分层结构的遥感场景分类方法，其特征在于，包括如下步骤：/nStep1、构建训练样本集，在选取的训练样本上选定特定的区域，使用奇异值分解方法捕获训练样本特征矩阵，并构造基于训练样本图像特征值的分层结构；/nStep2、在测试样本上选定特定的区域，使用奇异值分解方法捕获测试样本特征矩阵，并构造基于测试样本图像特征值的分层结构，测试样本和训练样本采用同样的分层方式和分层数量；/nStep3、针对分层结构进行从上而下的学习，先学习第1层，根据测试样本与训练样本对应的特征矩阵计算测地线距离d

【技术特征摘要】
1.一种基于分层结构的遥感场景分类方法，其特征在于，包括如下步骤：
Step1、构建训练样本集，在选取的训练样本上选定特定的区域，使用奇异值分解方法捕获训练样本特征矩阵，并构造基于训练样本图像特征值的分层结构；
Step2、在测试样本上选定特定的区域，使用奇异值分解方法捕获测试样本特征矩阵，并构造基于测试样本图像特征值的分层结构，测试样本和训练样本采用同样的分层方式和分层数量；
Step3、针对分层结构进行从上而下的学习，先学习第1层，根据测试样本与训练样本对应的特征矩阵计算测地线距离d1，比较测地线距离与预先设定的阈值α关系，如果大于阈值α，将其权重w1设置为负数，如果小于阈值α，将其权重w1设置为正数；
Step4、重复Step3，计算每一层测试样本与训练样本对应的特征矩阵的测地线距离dl，并比较测地线距离与预先设定的阈值α关系，计算每一层权重值wl；
Step5、统计权重值为正数的个数，如果正数值大于负数值，则该测试样本类别与训练样本属于同一类，反之，不属于同一类，并重复Step1-Step5，直到完成测试样本类别的判断为止。


2.如权利要求1所述的一种基于分层结构的遥感场景分类方法，其特征在于：所述Step1中按照场景目标组成部分进行分层，层数为奇数层。

【专利技术属性】
技术研发人员：徐承俊，朱国宾，舒静倩，
申请(专利权)人：武汉大学，
类型：发明
国别省市：湖北;42