[发明专利]基于作者-流派主题模型的遥感图像自动类别标注方法

摘要

本发明提供一种在区域类别较多，不同区域之间特征相似情况下提高类别标注精度的遥感图像自动类别标注方法。基于作者-流派主题模型的遥感图像自动类别标注方法，包括步骤：一、训练与作者-流派主题模型生成步骤；二、遥感图像的视觉单词计算步骤；三、遥感图像的类别判定与标注步骤，在步骤中增加了作者的流派这个信息，使得同一个图像块同时具有作者和流派两个标注信息，再估计得到图像块的流派信息之后，再对估计的作者信息进行纠正，有效地提高了类别标注的精度。

主权项

1.基于作者-流派主题模型的遥感图像自动类别标注方法，其特征在于，包括以下步骤：一、训练与作者-流派主题模型生成步骤：1）对训练图像设置每个视觉单词w_i和作者x_a、主题z_t和流派c_g的总个数以及视觉单词w_i分别与主题z_t、流派c_g之间匹配关系；作者x_a表示图像块的类别标签，流派c_g表示图像块的场景标签；其中，i∈{1,…,k}，k为不同视觉单词的个数；a∈{1,…,A}，A为作者总数；t∈{1,…,T}，T为主题总数；g∈{1,…,G}，G为流派总数；2）通过吉布斯采样得到视觉单词w_i在主题z_t中出现的概率Ф_it、主题z_t下的视觉单词在作者x_a中出现的概率Θ_ta、流派c_g下的视觉单词在作者x_a中出现的概率ψ_ga；二、遥感图像的视觉单词计算步骤：将遥感图像分割为互不重叠的，大小相同的图像块I_d，计算各图像块I_d包含的各视觉单词w_i；所述视觉单词w_i由各图像块I_d进一步划分为均匀采样块，并将均匀采样块表示为特征描述符，通过k均值聚类方法将特征描述符量化得到；每一个图像块I_d均映射为一系列视觉单词；三、遥感图像的类别判定与标注步骤：1）利用各图像块I_d对应的视觉单词w_i以及作者-流派主题模型的三种概率分布对各图像块I_d对应的场景z^*分别进行估计，z*=argmax1≤t≤TP(Θta,Φit,Ψga,wi|zt);]]>2）对各图像块I_d对应的类别x^*分别进行估计，如计算得到的图像块I_d所对应的类别x^*与场景z^*符合匹配关系，则使用当前类别x^*标注对应的图像块I_d，否则，排除a取值范围中当前的类别x^*对应的值，使用修改后a的取值范围的重新估计类别x^*，直至图像块I_d所对应的类别x^*与场景z^*符合匹配关系；所有图像块I_d标注完毕后，遥感图像的类别标注完成。