[发明专利]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

权利要求书

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进行视觉单词映射，提取场景图像视觉词包特征；

(6)将遥感图像土地利用场景分类训练集中每幅图像的视觉词包特征和场景图像对应的场景类别编号作为训练数据，运用SVM算法生成遥感图像土地利用场景分类模型；

(7)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进行分类。

2.按权利要求1所述的遥感图像土地利用场景分类训练集的建立，其特征在于包括以下步骤：

(1-1)根据实际土地利用场景类型定义C个土地利用场景类别，类别编号为1～C，C为大于0的正整数；

(1-2)对每个土地利用场景图像类别，随机选择T幅图像作为该类别的图像场景分类训练样本，T为正整数，取值范围为该类别图像场景分类训练样本数的1/3～1/2；

(1-3)将所有C类的土地利用场景图像的训练样本作为土地利用场景分类训练样本集。

3.按权利要求1所述的遥感图像土地利用场景分类训练集中的场景图像灰度转换及二维小波分解，其特征在于包括以下步骤：

(2-1)对于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，对于遥感的全色图像，直接取该波段；对于多光谱图像，选取其中一个波段；对于真彩色航空遥感图像，则按照V＝0.2989×R+0.5870×G+0.1140×B进行灰度转换，其中，V为转换后的灰度场景图像的灰度值，R为真彩色图像中红波段的灰度值，G为真彩色图像中绿波段的灰度值，B为真彩色图像中蓝波段的灰度值；

(2-2)对遥感图像土地利用场景分类训练集中的每一幅转换后的灰度场景图像进行L级的二维小波分解，L为正整数，建议L取1或2。对于每一级二维小波分解均会得到四幅分解后的子图像cA，cH，cV，cD，其中cA为分解后的低分辨率图像，cH为分解后水平方向的图像，cV为分解后竖直方向的图像，cD为分解后对角线方向的图像。第1次二维小波分解对原始转换后的灰度场景图像进行，之后第K次二维小波分解均是对第K-1次分解后得到的子图像cA，即低分辨率图像进行，K为大于2的正整数。

4.按权利要求1所述的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SIFT特征，其特征在于包括以下步骤：

(3-1)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得到均匀的图像块，每个图像块的大小为N×N，图像块之间的间隔为M×M(当M小于N时，采样的网格会产生重叠)，N为正整数，且为2的整数次幂，建议取值为8或16，M为正整数，建议取值为N/2；

(3-2)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采样所得到的图像块，利用SIFT特征提取方法提取SIFT特征，计算图像块整个区域上的梯度方向直方图得到SIFF特征，特征维数为128维。