[发明专利]基于特征池化与除归一化表示的高分辨率遥感图像分类方法

权利要求书

1.一种基于特征池化与除归一化的遥感图像分类方法，其特征在于，首先对遥感图像进行线性滤波，采用特征池化对线性滤波结果的特征进行合并，而后通过除归一化降低遥感图像中的高阶相关性，以稠密网格方式提取分歧归一化因子，最后经Hellinger核映射与特征降维后进行特征编码形成遥感图像的全局表达，再经训练与预测后完成对遥感图像的分类；

所述的除归一化是指：对经过池化后所得的池化特征图，设定wSz×wSz大小的除归一化窗口，将窗口中心位置的池化特征值作为分母，此窗口内周围其它位置的池化特征值的累积和以及基本响应作为分子进行除操作后乘以总体响应，设定除归一化窗口的滑动步长为1，完成对池化特征图中所有空间位置的除归一化操作，具体为：

除归一化结果其中：γ表示总体响应，β决定基本响应，σ防止分母除零，m、p、q表示单个输入的放大指数，与表示第j块和第k块的池化特征值的累积，window表示除归一化的窗口区域大小，窗口包含邻近的wSz×wSz块。

2.根据权利要求1所述的基于特征池化与除归一化的遥感图像分类方法，其特征是，具体包括以下步骤：

1)分别采用Log-Gabor滤波和高斯导数滤波结合方向化幅值的方式得到相应的滤波响应；

2)采用特征池化对得到的滤波响应进行空间上相邻位置合并；

3)对每一空间位置，将其与周围相邻位置进行除归一化，并以稠密网格方式提取分歧归一化因子；

4)对分歧归一化因子进行Hellinger核映射与特征降维后再进行特征融合，之后通过特征编码将融合后的分歧归一化因子聚合成图像形成全局表达；

5)结合线性分类器对聚合的图像进行学习与预测，实现分类。

3.根据权利要求2所述的基于特征池化与除归一化的遥感图像分类方法，其特征是，所述的Log-Gabor滤波采用三个尺度与四个方向，共组成12个滤波器，对输入图像进行线性滤波后，最后形成12幅Log-Gabor幅值图。

4.根据权利要求3所述的基于特征池化与除归一化的遥感图像分类方法，其特征是，所述的高斯导数滤波采用水平、垂直两个方向对遥感图像进行滤波，并计算两个方向上的梯度响应和梯度方向。

5.根据权利要求4所述的基于特征池化与除归一化的遥感图像分类方法，其特征是，所述的方向化幅值指根据梯度方向将每个空间位置的梯度响应离散化，得到若干具有方向性的梯度幅值图。

6.根据权利要求5所述的基于特征池化与除归一化的遥感图像分类方法，其特征是，所述的步骤2)具体包括以下步骤：

2.1)对Log-Gabor幅值图和梯度幅值图进行不重叠的局部块划分；

2.2)每一局部块采用特征池化对特征进行合并。