[发明专利]基于快速二值编码的高分辨率遥感影像场景分类方法

权利要求书

1.基于快速二值编码的高分辨率遥感影像场景分类方法，其特征是，包括步骤：

步骤1，划分待分类遥感影像获得场景单元，并将场景单元的彩色像素转化成灰度像素；

步骤2，从场景单元中提取尺寸相同的图像块作为局部图像块训练样本；

步骤3，采用非监督学习法学习局部图像块训练样本获得滤波器组；

步骤4，将场景单元与滤波器组中各滤波器分别做卷积获得各场景单元的L幅滤波器响应图，L为滤波器组中滤波器数量，采用二值编码法分别融合各场景单元的L幅滤波器响应图获得各场景单元的全局特征描述；

所述的采用二值编码法分别融合各场景单元的L幅滤波器响应图获得各场景单元的全局特征描述，进一步包括子步骤：

4.1将滤波器响应图上各位置响应值分别与预设阈值比较，响应值大于阈值的位置编码为1，响应值小于阈值的位置编码为0，从而获得场景单元的L幅二值编码图；

4.2将场景单元的L幅二值编码图上对应位置的编码组合成L位二进制数，并将二进制数转化为十进制数，获得场景单元的十进制编码图；

4.3以十进制编码图上十进制响应值的频率直方图作为场景单元的全局特征描述；

步骤5，基于场景单元的全局特征描述进行场景单元分类。

2.如权利要求1所述的基于快速二值编码的高分辨率遥感影像场景分类方法，其特征是：

步骤1具体为：

采用均匀网格划分遥感影像获得一系列子网格，子网格代表一个场景单元，相邻场景单元间无重叠。

3.如权利要求1所述的基于快速二值编码的高分辨率遥感影像场景分类方法，其特征是：

步骤3进一步包括子步骤：

3.1以各局部图像块训练样本的像素值构成局部图像块向量，并对局部图像块向量中各元素进行归一化；

3.2采用非监督学习法学习归一化后的局部图像块向量，获得滤波器组。

4.如权利要求1所述的基于快速二值编码的高分辨率遥感影像场景分类方法，其特征是：

所述的非监督学习法为K-means聚类法、稀疏编码法、主成分分析法、独立成分分析法、局部保持映射法、非负矩阵分解法或随机映射法。

5.如权利要求1所述的基于快速二值编码的高分辨率遥感影像场景分类方法，其特征是：

在执行步骤4之前，调整滤波器组中各滤波器尺寸，使得滤波器尺寸与局部图像块训练样本尺寸相同。

6.如权利要求1所述的基于快速二值编码的高分辨率遥感影像场景分类方法，其特征是：

步骤4.1中所述的预设阈值为0。

7.如权利要求1所述的基于快速二值编码的高分辨率遥感影像场景分类方法，其特征是：

步骤5中采用SVM分类器进行场景单元分类。

8.如权利要求7所述的基于快速二值编码的高分辨率遥感影像场景分类方法，其特征是：

所述的采用SVM分类器进行场景单元分类进一步包括子步骤：

5.1选择各类场景单元作为场景单元训练样本，并标注各场景单元训练样本的类别标号；

5.2采用权利要求1中所述的步骤1～4获得各场景单元训练样本的全局特征描述；

5.3采用场景单元训练样本的全局特征描述和类别标号训练SVM分类器；

5.4将待分类遥感影中场景单元的全局特征描述输入训练的SVM分类器，即可获得各场景单元的类别标号。

9.如权利要求7所述的基于快速二值编码的高分辨率遥感影像场景分类方法，其特征是：

步骤5中，以直方图交叉核和空间共生核的联合函数作为SVM分类器的核函数进行场景单元分类；

所述的直方图交叉核和空间共生核的联合函数K_HIK+SCK({Y⁽ⁱ⁾,WCM⁽ⁱ⁾},{Y^(j),WCM^(j)})为：

K_HIK+SCK({Y⁽ⁱ⁾,WCM⁽ⁱ⁾},{Y^(j),WCM^(j)})＝K_HIK(Y⁽ⁱ⁾,Y^(j))+K_SCK(WCM⁽ⁱ⁾,WCM^(j))

其中，直方图交叉核Y⁽ⁱ⁾(s)和Y^(j)(s)分别输入的任意两幅场景单元的全局特征描述的第s维元素；n表示场景单元全局特征描述的总维数；空间共生核KSCK(WCM(i),WCM(j))=Σm=02L-1Σm=02L-1min(WCM(i)(m,n),WCM(j)(m,n)),]]>WCM⁽ⁱ⁾(m,n)和WCM^(j)(m,n)分别表示输入的任意两幅场景单元的词汇共生矩阵，m、n表示场景单元的十进制编码图中不同词汇，即十进制编码图中不同点；L表示滤波器个数。