[发明专利]基于高维特征选择与多级融合的遥感图像分类方法有效
| 申请号： | 201810455398.6 | 申请日： | 2018-05-14 |
| 公开（公告）号： | CN108596154B | 公开（公告）日： | 2021-09-24 |
| 发明（设计）人： | 王鑫;熊星南;李可;石爱业;吕国芳 | 申请（专利权）人： | 河海大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/46;G06K9/48;G06K9/62 |
| 代理公司： | 南京苏高专利商标事务所(普通合伙) 32204 | 代理人： | 李玉平 |
| 地址： | 211100 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高维特征选择与多级融合的遥感图像分类方法。首先，在分析遥感图像特殊成像机理的基础上，提取遥感图像形状、光谱、纹理等多种异构特征。其次，针对提取得到的高维异构特征，一方面采用类信息子集特征选择算法对每种高维特征进行特征选择，得到对应的一组最优低维特征子集；另一方面利用鉴别相关分析算法将每两类高维异构特征进行融合，得到对应的低维融合特征。接着，将每个最优低维特征子集和低维融合特征分别输入到SVM分类器，对遥感图像进行初始分类。最后，设计基于SVM加权的决策级融合分类器，对每个SVM分类器分类结果进行融合，得到最终遥感图像分类结果。 | ||
| 搜索关键词： | 基于 特征 选择 多级 融合 遥感 图像 分类 方法 | ||
【主权项】：
1.一种基于高维特征选择与多级融合的遥感图像分类方法，其特征在于，包括以下步骤：步骤1：在分析遥感图像特殊成像机理的基础上，提取遥感图像的各种异构特征，包括遥感图像形状、光谱、纹理特征；步骤2：针对提取得到的高维异构特征，采用类信息子集特征选择算法(Similarly Informative Subset Feature Selection,SISFS)对每种高维特征进行特征选择，得到对应的一组最优低维特征子集。步骤3：针对提取得到的高维异构特征，利用鉴别相关分析算法(Discriminant Correlation Analysis,DCA)将每两类高维异构特征进行融合，得到对应的低维融合特征。步骤4：将每个最优低维特征子集和低维融合特征分别输入到SVM(Support Vector Machine)分类器，对遥感图像进行初始分类。步骤5：设计基于SVM加权的决策级融合分类器，对每个SVM分类器分类结果进行融合，实现遥感图像分类。
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河海大学，未经河海大学许可，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/201810455398.6/，转载请声明来源钻瓜专利网。
