[发明专利]一种基于视觉词袋模型的高分辨率遥感图像分类方法在审
| 申请号： | 201710706366.4 | 申请日： | 2017-08-17 |
| 公开（公告）号： | CN107480718A | 公开（公告）日： | 2017-12-15 |
| 发明（设计）人： | 陈苏婷;丁杰;冯瑞;王卓 | 申请（专利权）人： | 南京信息工程大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 南京纵横知识产权代理有限公司32224 | 代理人： | 董建林 |
| 地址： | 210019 江*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于视觉词袋模型的高分辨率遥感图像分类方法，包括，图像多特征提取；构建初始视觉词典；筛选视觉单词，构建视觉词典子集；图像表达和分类。本发明有效减少了词典中的冗余信息，平衡了单词的相关性和冗余性，从而提高词典子集的特征描述能力，使高分辨率遥感图像的分类精度得到显著提升。 | ||
| 搜索关键词： | 一种 基于 视觉 模型 高分辨率 遥感 图像 分类 方法 | ||
【主权项】：
一种基于视觉词袋模型的高分辨率遥感图像分类方法，其特征在于：包括，图像多特征提取：将待处理图像进行分割，对每个子区域提取底层特征，并将同一子区域底层特征进行融合；构建初始视觉词典：通过K‑means聚类算法对融合后的底层特征聚类，每一类均为一个视觉单词，聚类中心的数目便是初始视觉词典的规模；筛选视觉单词，构建视觉词典子集：首先，通过ReliefF算法赋予视觉单词权重参数，来表示不同视觉单词对分类的贡献度；然后，结合mRMR准则计算视觉单词的相关度和冗余度，并添加视觉词典平衡系数；最后建立一个新的词典判别函数，筛选得到视觉词典子集；图像表达和分类：视觉词典子集通过池化后生成高层语义特征，SPM模型提取图像的空间布局信息，融合高层语义特征和空间布局信息，通过池化后得到最终特征向量，输入分类器完成分类。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南京信息工程大学，未经南京信息工程大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710706366.4/，转载请声明来源钻瓜专利网。
