[发明专利]基于稀疏表示的遥感图像特征提取与场景分类方法

权利要求书

1.基于稀疏表示的遥感图像特征提取与场景分类方法，其特征在于，该场景分类方法的具体过程为：

S1、对遥感图像的几何特征和纹理特征进行提取，获取遥感图像的多维度特征；

S2、将多维度特征构成冗余字典，采用贪婪算法中的正交匹配追踪算法求解稀疏表示系数，求取冗余字典与稀疏表示系数的乘积，利用获得的乘积对待分类样本进行稀疏重构，获得稀疏重构残差；

S3、采用K近邻算法获得欧氏距离，将稀疏重构残差和欧式距离进行线性加权；

S4、以S3获得的结果作为类别标签，根据最小化重构误差准则对待测样本进行分类。

2.根据权利要求1所述的基于稀疏表示的遥感图像特征提取与场景分类方法，其特征在于，S1所述的几何特征为矩描述子，包括Hu不变矩和Zernike矩，纹理特征为Gabor滤波器、灰度共生矩阵和方向梯度直方图。

3.根据权利要求2所述的基于稀疏表示的遥感图像特征提取与场景分类方法，其特征在于，对遥感图像的几何特征Hu不变矩进行提取的具体过程为：

像素x和像素y的二维图像f(x,y)分段连续，并在有限区域内非零，则原点矩为：

其中，p表示x的阶数，q表示y的阶数，D表示x和y在二维图像f(x,y)中的范围；

p+q阶中心矩为：

其中，为图像重心；

则归一化p+q阶中心距为：

七个Hu不变矩Φ_i,i＝1,2,…,7分别为：

Φ₁＝η₂₀+η₀₂；

Φ₃＝(η₃₀-3η₁₂)²+(η₀₃-3η₂₁)²；

Φ₄＝(η₃₀+η₁₂)²+(η₀₃+η₂₁)²；

4.根据权利要求3所述的基于稀疏表示的遥感图像特征提取与场景分类方法，其特征在于，对遥感图像的几何特征Zernike矩进行提取的具体过程为：

复函数集{V_pq(x,y)}在单位圆x²+y²＝1上，则函数集为：

V_pq(x,y)＝V_pq(ρ,θ)＝R_pq(ρ)e^jqθ；

其中，ρ表示从原点到点(x,y)的距离，θ表示矢量与x轴的夹角，R_pq(ρ)表示实值径向多项式，e^jqθ表示R_pq(ρ)的相位，j为虚数单位；

其中，s表示实值径向多项式中的求和变量；

定义在单位圆内的图像f(x,y)都可以根据唯一展开：

即为Zernike矩；

其中，表示V_pq(ρ,θ)的共轭。

5.根据权利要求3或4所述的基于稀疏表示的遥感图像特征提取与场景分类方法，其特征在于，对遥感图像的纹理特征Gabor滤波器进行提取的具体过程为：

Gabor函数为：

其中：

x_s＝xcosψ+ysinψ

y_s＝-xsinψ+ycosψ

σ＝0.56λ＝γ＝0.5

和λ分别是正弦函数的相位和频率因子，σ和γ分别为高斯函数的标准差和长宽比，ψ表示Gabor滤波核中平行条带的方向；

输入图像为图像f(x,y)，(x,y)∈Ω，Ω为图像平面，输入图像f(x,y)与Gabor函数的卷积为特征图：

其中，u和v分别为做卷积x和y的变量；

Gabor能量特征e_λ,ψ(x,y)为图像的纹理特征：