[发明专利]一种基于多尺度CENTRIST特征的遥感场景分类方法

说明书

本发明公开了一种基于多尺度CENTRIST特征的高分辨率遥感场景分类方法，其步骤：首先将图像按照空间金字塔结构进行分解为子图像，然后对每个子图像采用多尺度CENTRIST算子提取每个尺度的CENTRIST特征，对每个尺度的CENTRIST特征进行融合，将这些子图像的多尺度CENTRIST特征进行串接形成该场景的全局特征表达，最后采用SVM算法进行分类。本发明能够实现对图像纹理信息的多尺度表达，提高分类精度。

技术领域

本发明涉及遥感场景分类技术领域，特别是一种基于多尺度CENTRIST特征的遥感场景分类方法。

背景技术

随着遥感技术的快速发展，高分辨率遥感图像的数量也急剧增加，对高分辨率遥感图像的场景分类的需求也变得越来越迫切。相比于中低分辨率遥感图像，高分辨率图像能够提供地物更加清晰的空间布局，更加精细的纹理和尺寸信息，更加丰富的几何结构，但同时也带来同类地物的光谱差异性增强，不同地物的光谱异质性降低等问题。因此，由于遥感场景的复杂性和多变性，使得智能化的场景分类成为一项挑战性的工作。

当前图像分类方法大致可分为两类：一类是基于局部特征的描述方法，另一类是基于全局特征的描述方法。常见的局部特征包括：SIFT，HOG等，而常见的全局特征包括：颜色直方图、Gabor纹理特征、CENTRIST（census transform histogram）特征等。文献[Wu, J.& Rehg, J.M. 2011. “CENTRIST: A Visual Descriptor for Scene Categorization.”IEEE Transactions on Pattern Analysis and Machine Intelligence 33:1489-1501.]提出CENTRIST特征进行场景分类，CENTRIST特征能够对图像中的结构特性进行编码并抑制详细的纹理信息，对于场景识别具有很强的适应性。另外它很容易实现和运算速度非常快。储等人[Chu, W., Chen, C. and Hsu, H. 2014. “Color CENTRIST: Embedding colorinformation in scene categorization.” Journal of Visual Communication andImage Representation 25: 840-854.]提出了将颜色信息融入到CENTRIST特征中，形成彩色CENTRIST特征。由于CENTRIST算子仅考虑局部区域灰度的符号部分而忽略了数值部分，孟等人[Meng, X., Wang, Z. & Wu, L. 2012. “Building global image features forscene recognition.” Pattern Recognition 45:373-380.]通过引入局部差分幅度信息，提出基于局部差分二进制模式。袁等人[Baohua Yuan, Shijin Li, Extended censustransform histogram for land-use scene classification, J. Appl. Remote Sens.11(2), 025003 (2017)]提出扩展CENTRIST，通过3种不同结构的CENTRIST算子来获取不同的纹理特征，然后将其融合形成图像的整体特征。

上述现有技术虽然各有特点，但普遍存在对某些特定类别的场景分类精度高而对其他类别的场景的分类精度不太理想。

发明内容

本发明所要解决的技术问题是克服现有技术的不足而提供一种基于多尺度CENTRIST特征的遥感场景分类方法，能够获得很好的分类精度。

本发明为解决上述技术问题采用以下技术方案：

根据本发明提出的一种基于多尺度CENTRIST特征的遥感场景分类方法，包括训练阶段和测试阶段，

所述训练阶段包括以下步骤：

步骤1、采用空间金字塔将训练样本图像分解为若干训练子图像；