[发明专利]输电线路走廊区域自动选择特征的植被分类方法

权利要求书

1.一种输电线路走廊区域植被分类方法，其特征是，包括：

步骤1，提取训练样本和交叉验证样本的特征，本步骤进一步包括：

1.1从遥感影像训练样本提取场景单元，将场景单元分为训练样本和交叉验证样本；

1.2采用人工目视方式定义各场景单元的场景类别并标记类别标号，记为定义类别标号，场景类别包括植被类和非植被类；

1.3提取各场景单元的多种特征；

步骤2，基于交叉验证法进行特征优化选择，本步骤进一步包括：

2.1将特征集中各种特征分别量化为视觉词汇，形成各种特征对应的视觉词汇表D_i，将各视觉词汇表D_i输入LDA模型，获取各种特征对应的潜语义分布概率向量θ_i；所述的特征集即交叉验证样本的多种特征构成的集合；

2.2将交叉验证样本各种特征对应的θ_i及定义类别标号输入正则化逻辑回归分类器进行交叉验证，获得各种特征的分类准确率，分类准确率最高的特征记为最优特征，采用最优特征的分类准确率初始化r；

2.3将其它一种特征与最优特征进行串联组合，记为组合特征，采用其它一种特征对最优特征对应的视觉词汇表D进行扩充，得到新视觉词汇表D'，所述的其它一种特征指特征集中除最优特征外的任一特征；

2.4将新视觉词汇表D'输入LDA模型，得潜语义分布概率向量θ'；

2.5将θ'和交叉验证样本的定义类别标号输入正则化逻辑回归分类器进行交叉验证，根据输出的交叉验证样本预测类别标号获得当前组合特征的分类准确率r_new；

2.6若r_new＞r，将r_new赋值给r，将当前组合特征记为最优特征，继续步骤2.3；否则，当前组合特征即优选特征；

步骤3，遥感影像测试数据的分类，本步骤进一步包括：

3.1将训练样本和交叉验证样本的优化特征中各种特征依次首尾连接，作为训练样本词汇表输入LDA模型，获得潜语义概率分布向量θ_com；将潜语义分布概率向量θ_com输入分类器，同时，还输入训练样本和交叉验证样本的定义类别标号，用来对分类器进行训练；

3.2从遥感影像测试数据提取场景单元，提取各场景单元的优化特征；

3.3基于各场景单元优化特征对应的潜语义分布概率，采用已训练的分类器对遥感影像测试数据进行分类，其中被分为植被类的场景单元构成植被区域；

上述潜语义分布概率向量通过将优化特征对应的视觉词汇表输入LDA模型获得。

2.如权利要求1所述的输电线路走廊区域植被分类方法，其特征是：

所述的多种特征包括SIFT特征、DAISY特征、LBP特征、BRIEF特征和CNN特征。

3.如权利要求1所述的输电线路走廊区域植被分类方法，其特征是：

子步骤2.1中采用k均值法或稀疏编码法将特征量化为视觉词汇，即对各种特征分别进行聚类，各种特征的聚类中心即其对应的视觉词汇。

4.如权利要求1所述的输电线路走廊区域植被分类方法，其特征是：

子步骤1.1和子步骤3.2中提取场景单元，具体为：

采用均匀网格划分遥感影像，一个网格即代表一个场景单元，相邻场景单元间无重叠；

子步骤1.1中，遥感影像为遥感影像训练样本；

子步骤3.2中，遥感影像为遥感影像测试数据。

5.如权利要求1所述的输电线路走廊区域植被分类方法，其特征是：

步骤3中采用的分类器为正则化逻辑回归分类器或SVM分类器。