[发明专利]遥感影像的聚类方法

权利要求书

1.一种遥感影像的聚类方法，其特征在于，包括以下步骤：

A：确定原始影像的最佳聚类中心个数；

B：通过高斯卷积函数获取原始影像的多尺度表达，并将原始影像映射到其尺度空间产生多层文档集；

C：根据所述多层文档集建立重叠图像语义不变的潜狄利克雷分配模型，估算多层文档集中的各文档中主题的混合比例参数和各主题依概率产生视觉词的分布参数；

D：通过极大化后验概率的方法获得每个视觉词的聚类类别。

2.如权利要求1所述的遥感影像的聚类方法，其特征在于，所述步骤A进一步包括：根据最小描述长度准则假设原始影像的特征符合高斯混合分布，利用原始影像的MDL值与不同聚类中心个数的相关关系来获取影像对应的MDL值最小时最佳聚类中心个数。

3.如权利要求1所述的遥感影像的聚类方法，其特征在于，所述步骤B中，通过高斯卷积函数获取原始影像的多尺度表达，进一步包括：通过将尺度可变的高斯函数与原始影像的卷积获取原始影像的多尺度表达。

4.如权利要求1所述的遥感影像的聚类方法，其特征在于，所述步骤C中，根据所述多层文档集建立重叠图像语义不变的潜狄利克雷分配模型进一步包括：根据所述多层文档集建立潜狄利克雷分配模型生成观测词，构建成由观测词组成的多层文档集，使隶属于不同文档的同一个像素被分配同样的主题。

5.如权利要求4所述的遥感影像的聚类方法，其特征在于，根据所述多层文档集建立潜狄利克雷分配模型生成观测词，具体包括：对于所述多层文档集假设存在以下生成过程：

1)根据服从参数为β_S的Dirichlet狄利克雷分布p(φ_k|β_s)，采样出各层尺度下，K个主题对应的视觉词的分布(φ_k)_s(N×K×S)；

2)尺度采样：对于第t个像素，根据先验分布p(s_t|γ)采样出其尺度坐标索引s_t，表明该像素应该从第s_t层尺度空间分配一个主题；

3)文档采样：对于第t个像素，根据先验分布p(d_t|σ，h)采样得到其文档索引d_t；

4)主题采样：对于第t个像素，根据多项式分布采样出其主题类别，其中是已采样的文档d_t在尺度s_t下的混合比例系数；

5)视觉词采样：对应第t个像素的视觉词通过主题Z_t的离散分布采样得到。

6.如权利要求1所述的遥感影像的聚类方法，其特征在于，所述步骤C中，估算多层文档集中的各文档中主题的混合比例参数和各主题依概率产生视觉词的分布参数，进一步包括：采用Gibbs采样近似推理的方法估算多层文档集中的各文档中主题的混合比例参数和各主题依概率产生视觉词的分布参数。