一种基于二维小波分解及视觉词包模型的遥感图像土地利用场景分类方法技术
【技术实现步骤摘要】
一种基于二维小波分解及视觉词包模型的遥感图像土地利用场景分类方法
本专利技术涉及遥感图像场景分类
，具体的说是一种基于二维小波分解及视觉词包模型的遥感图像土地利用场景分类方法。
技术介绍
随着遥感技术的发展，空间、时间分辨率的提高，遥感图像，尤其是高空间分辨率遥感图像数据量急速增加，使得图像中土地利用场景包含多种类型的土地覆盖类型。在这种情况下，利用人工目视解译的方法进行遥感图像土地利用场景的分类需要大量时间和工作量，有限的专家也不能及时对海量数据进行处理。鉴于目视解译存在的不足，利用计算机技术进行自动化、智能化的土地利用场景分类成为当前遥感领域的一个研究热点。针对遥感图像土地利用场景的分类，传统的方法通常采用颜色、纹理、形状等低层特征建立遥感图像土地利用场景模型，利用分类器对场景的高层信息进行推导。然而，采用基于低层特征描述的土地利用场景分类方法由于缺乏中间语义的图像表示，所以泛化性差，很难用于处理训练集以外的场景图像。为了克服遥感图像低层视觉特征与高层语义之间的鸿沟，基于中层特征对土地利用场景语义建模描述的方法逐渐得到广泛的关注。尤其是近年来的视觉词包(...
【技术保护点】
一种基于二维小波分解及视觉词包模型的遥感图像土地利用场景分类方法，其特征在于包括以下步骤：(1)建立遥感图像土地利用场景分类训练集；(2)将遥感图像土地利用场景分类训练集中的场景图像转换为灰度图像，并进行二维小波分解；(3)对转换后的灰度遥感土地利用场景图像和二维小波分解后的子图像分别进行规则格网采样并提取尺度不变特征(Scale?Invariant?Feature?Transform，SIFT)；(4)对遥感图像土地利用场景分类训练集中的所有图像，将转换后的灰度遥感土地利用场景图像和二维小波分解后不同图像的SIFT特征通过聚类生成各自独立的通用视觉词汇表；(5)对遥感图像...
【技术特征摘要】
1.一种基于二维小波分解及视觉词包模型的遥感图像土地利用场景分类方法，其特征在于：通过对灰度转换后的灰度遥感土地利用场景图像和二维小波分解后的子图像的尺度不变特征(ScaleInvariantFeatureTransform，SIFT)向量分别进行聚类，生成各自独立的通用视觉词汇表；对遥感图像土地利用场景分类训练集中每一幅遥感土地利用场景图像所对应的灰度场景图像和二维小波分解后的各子图像分别进行视觉单词映射，分别提取各自的视觉词包特征描述向量，通过向量拼接，得到最终原始遥感土地利用场景图像的视觉词包特征描述；根据遥感图像土地利用场景分类模型，对任意一幅遥感土地利用场景图像的分类结果以类别形式输出。2.根据权利要求1中所述的方法，其特征在于：分别针对灰度转换后的灰度遥感土地利用场景图像的SIFT特征和二维小波分解后的子图像的SIFT特征进行K均值聚类，得到各自的通用视觉词汇表；对遥感图像土地利用场景分类训练集中的所有转换后的灰度图像经采样和特征提取得到的SIFT特征进行K均值聚类，将聚类得到的每一个聚类中心作为一个视觉单词，将这K个聚类中心的取值及其对应的视觉单词编号作为转换后的灰度场景图像的通用视觉词汇表V0；对遥感图像土地利用场景分类训练集中的所有二维小波分解得到的不同子图像经采样和特征提取得到的SIFT特征按照同样的方法分别进行K均值聚类，得到各自的通用视觉词汇表Vi，i为正整数，表示二维小波分解后得到的子图像的编号，其最小值为1，最大值为二维小波分解后得到的子图像的总数，K为正整数，取值为50～300。3.根据权利要求1中所述的方法，其特征在于：对遥感图像土地利用场景分类训练集中每一幅遥感土地利用场景图像，采用视觉单词映射方法将灰度变换后的灰度图像和二维小波分解后的各子图像中包含图像块的SIFT特征映射到各自对应的视觉单词：计算灰度变换后的灰度图像中每个图像块的SIFT特...
【专利技术属性】
技术研发人员：唐娉，赵理君，霍连志，冯峥，郑柯，
申请(专利权)人：中国科学院遥感与数字地球研究所，
类型：发明
国别省市：
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。