[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

说明书

技术领域

本发明属于遥感影像智能化分析技术领域，特别涉及高分辨率遥感影像场景分类方法，是一种基于快速二值编码的高分辨率遥感影像场景分类方法。

背景技术

遥感影像中的场景是指影像中具有特定语义含义的局部区域，例如一幅城区遥感影像中通常包括商业区、居民区、工业区等多种不同类别场景。遥感影像场景分类能够对整幅遥感影像做出最直观的理解，能大大方便其他领域工作者(比如城市建设规划人员)做出正确的决策或规划，因此遥感影像场景分类成为了智能化遥感信息处理领域的重要任务。

基于滤波器组的方法是信号处理分析领域的重要组成部分。滤波器组不仅在一般信号理论分析中有着广泛应用，而且在图像处理和图像理解上都有着十分成功的应用。其中，基于滤波器组的纹理图像识别就是一个经典的应用^[1～3]。首先，将纹理图像与已设定好的一组滤波器分别做卷积运算，连接各个滤波器的响应；然后，利用量化的方法构造纹理基元(textons)；最后，统计每幅纹理图像中不同纹理基元出现的次数，将纹理基元频率直方图作为纹理图像特征。尽管这种方法在纹理识别中非常有效，识别精度通常也比较高，但是计算代价太大，主要原因在于构造纹理基元时，需要大量的训练数据，导致量化方法(实际情况一般采用K-means算法)的训练过程十分缓慢。

近些年来，在图像特征表示领域出现了很多二进制局部特征描述算子^[4-8]，这些二进制局部特征描述算子计算简便快速，且便于存储，因此得到了越来越多研究者的关注。但是这种二进制的特征表示方法会使得特征的鲁棒性和判别行较弱，往往会影响图像分类精度。

文中涉及如下关参考文献：

[1]T.Leung and J.Malik,Representing and recognizing the visual appearance of materials using three-dimensional textons,International Journal of Computer Vision,vol.43,pp.29-44,2001.

[2]M.Varma and A.Zisserman,A statistical approach to texture classification from single images,International Journal of Computer Vision,vol.62,pp.61-81,2005.

[3]L.Liu and P.W.Fieguth,Texture classification from random features,Pattern Analysis and Machine Intelligence,IEEE Transactions on,vol.34,pp.574-586,2012.

[4]T.Ojala,M.Pietikainen,and T.Maenpaa,Multiresolution gray-scale and rotation invariant texture classification with local binary patterns,Pattern Analysis and Machine Intelligence,IEEE Transactions on,vol.24,pp.971-987,2002.

[5]T.Ahonen,E.Rahtu,V.Ojansivu,and J.Heikkila,Recognition of blurred faces using local phase quantization,in Pattern Recognition,2008.ICPR2008.19th International Conference on,2008,pp.1-4.

[6]M.Calonder,V.Lepetit,C.Strecha,and P.Fua,Brief:Binary robust independent elementary features,in Computer Vision–ECCV2010,ed:Springer,2010,pp.778-792.