亚洲成年人黄色一级片,日本香港三级亚洲三级,黄色成人小视频,国产青草视频,国产一区二区久久精品,91在线免费公开视频,成年轻人网站色直接看

基于快速二值編碼的高分辨率遙感影像場(chǎng)景分類方法

文檔序號(hào):6549513閱讀:215來源:國(guó)知局
基于快速二值編碼的高分辨率遙感影像場(chǎng)景分類方法
【專利摘要】本發(fā)明提供了一種基于快速二值編碼的高分辨率遙感影像場(chǎng)景分類方法,包括步驟:步驟1,劃分待分類遙感影像獲得場(chǎng)景單元;步驟2,從場(chǎng)景單元中提取尺寸相同的圖像塊作為局部圖像塊訓(xùn)練樣本;步驟3,采用非監(jiān)督學(xué)習(xí)法學(xué)習(xí)局部圖像塊訓(xùn)練樣本獲得濾波器組;步驟4,將場(chǎng)景單元與濾波器組中各濾波器分別做卷積獲得各場(chǎng)景單元的幅濾波器響應(yīng)圖,采用二值編碼法分別融合各場(chǎng)景單元的幅濾波器響應(yīng)圖獲得各場(chǎng)景單元的全局特征描述;步驟5,基于場(chǎng)景單元的全局特征描述進(jìn)行場(chǎng)景單元分類。本發(fā)明在保證場(chǎng)景分類精度的前提下,大大降低了非監(jiān)學(xué)習(xí)法的計(jì)算代價(jià)。
【專利說明】基于快速二值編碼的高分辨率遙感影像場(chǎng)景分類方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于遙感影像智能化分析【技術(shù)領(lǐng)域】,特別涉及高分辨率遙感影像場(chǎng)景分類方法,是一種基于快速二值編碼的高分辨率遙感影像場(chǎng)景分類方法。
【背景技術(shù)】
[0002]遙感影像中的場(chǎng)景是指影像中具有特定語義含義的局部區(qū)域,例如一幅城區(qū)遙感影像中通常包括商業(yè)區(qū)、居民區(qū)、工業(yè)區(qū)等多種不同類別場(chǎng)景。遙感影像場(chǎng)景分類能夠?qū)φb感影像做出最直觀的理解,能大大方便其他領(lǐng)域工作者(比如城市建設(shè)規(guī)劃人員)做出正確的決策或規(guī)劃,因此遙感影像場(chǎng)景分類成為了智能化遙感信息處理領(lǐng)域的重要任務(wù)。
[0003]基于濾波器組的方法是信號(hào)處理分析領(lǐng)域的重要組成部分。濾波器組不僅在一般信號(hào)理論分析中有著廣泛應(yīng)用,而且在圖像處理和圖像理解上都有著十分成功的應(yīng)用。其中,基于濾波器組的紋理圖像識(shí)別就是一個(gè)經(jīng)典的應(yīng)用[1~3]。首先,將紋理圖像與已設(shè)定好的一組濾波器分別做卷積運(yùn)算,連接各個(gè)濾波器的響應(yīng);然后,利用量化的方法構(gòu)造紋理基元(textons);最后,統(tǒng)計(jì)每幅紋理圖像中不同紋理基元出現(xiàn)的次數(shù),將紋理基元頻率直方圖作為紋理圖像特征。盡管這種方法在紋理識(shí)別中非常有效,識(shí)別精度通常也比較高,但是計(jì)算代價(jià)太大,主要原因在于構(gòu)造紋理基元時(shí),需要大量的訓(xùn)練數(shù)據(jù),導(dǎo)致量化方法(實(shí)際情況一般采用K-means算法)的訓(xùn)練過程十分緩慢。 [0004]近些年來,在圖像特征表示領(lǐng)域出現(xiàn)了很多二進(jìn)制局部特征描述算子[4_8],這些二進(jìn)制局部特征描述算子計(jì)算簡(jiǎn)便快速,且便于存儲(chǔ),因此得到了越來越多研究者的關(guān)注。但是這種二進(jìn)制的特征表示方法會(huì)使得特征的魯棒性和判別行較弱,往往會(huì)影響圖像分類精度。
[0005]文中涉及如下關(guān)參考文獻(xiàn):
[0006][I] T.Leung and J.Malik, ^Representing and recognizing the visualappearance of materials using three-dimens1nal textons, "Internat1nal Journal ofComputer Vis1n, vol.43, pp.29-44,2001.[0007][2] M.Varma and A.Zi sserman, 〃A statistical approach to textureclassificat1n from single images, "Internat1nal Journal of ComputerVis1n, vol.62, pp.61-81,2005.[0008][3] L.Liu and P.W.F ieguth, "Texture classificat1n from randomfeatures,"Pattern Analysis and Machine Intelligence,IEEE Transact1nson, vol.34, pp.574-586,2012.[0009][4]T.0jala, M.Pietikainen, and T.Maenpaa, ^Multiresolut1n gray-scaleand rotat1n invariant texture classificat1n with local binary patterns, "PatternAnalysis and Machine Intelligence, IEEE Transact1ns on, vol.24, pp.971-987,2002.[0010][5]T.Ahonen, E.Rahtu, V.0jansivu, and J.Heikkila, "Recognit1n of blurredfaces using local phase quantizat1n,〃in Pattern Recognit1n, 2008.1CPR2008.19thInternat1nal Conference on, 2008,pp.1-4.[0011][6] M.Calonderj V.Lepetit,C.Strecha,and P.Fua,"Brief: Binaryrobust independent elementary features,"in Computer Vis1n -ECCV2010, ed:Springer, 2010,pp.778-792.[0012][7] S.Leuteneggerj M.Chli,and R.Y.Siegwartj 〃BRISK: Binary robust invariantscalable keypoints,〃in Computer Vis1n(ICCV),201IIEEE Internat1nal Conferenceon, 2011,pp.2548-2555.[0013][8] A.Alahij R.0rtiz, and P.Vandergheynstj ^FreakiFast retinakeypoint,〃in Computer Vis1n and Pattern Recognit1n(CVPR),2012IEEE Conferenceon, 2012,pp.510-517.
【發(fā)明內(nèi)容】

[0014]針對(duì)現(xiàn)有技術(shù)存在的不足,本發(fā)明結(jié)合二進(jìn)制特征描述算子和濾波器組的優(yōu)點(diǎn),提出了一種分類精度更高的、基于快速二值編碼的高分辨率遙感影像場(chǎng)景分類方法,尤其適用于大尺寸高分辨率遙感影像場(chǎng)景分類。
[0015]為解決上述技術(shù)問題,本發(fā)明采用如下技術(shù)方案:
[0016]基于快速二值編碼的高分辨率遙感影像場(chǎng)景分類方法,包括步驟:
[0017]步驟I,劃分待分類遙感影像獲得場(chǎng)景單元,并將場(chǎng)景單元的彩色像素轉(zhuǎn)化成灰度像素;
[0018]步驟2,從場(chǎng)景單元中提取尺寸相同的圖像塊作為局部圖像塊訓(xùn)練樣本;
[0019]步驟3,采用非監(jiān)督學(xué)習(xí)法學(xué)習(xí)局部圖像塊訓(xùn)練樣本獲得濾波器組; [0020]步驟4,將場(chǎng)景單元與濾波器組中各濾波器分別做卷積獲得各場(chǎng)景單元的L幅濾波器響應(yīng)圖,L為濾波器組中濾波器數(shù)量,采用二值編碼法分別融合各場(chǎng)景單元的L幅濾波器響應(yīng)圖獲得各場(chǎng)景單元的全局特征描述;
[0021]所述的采用二值編碼法分別融合各場(chǎng)景單元的L幅濾波器響應(yīng)圖獲得各場(chǎng)景單元的全局特征描述,進(jìn)一步包括子步驟:
[0022]4.1將濾波器響應(yīng)圖上各位置響應(yīng)值分別與預(yù)設(shè)閾值比較,響應(yīng)值大于閾值的位置編碼為1,響應(yīng)值小于閾值的位置編碼為0,從而獲得場(chǎng)景單元的L幅二值編碼圖;
[0023]4.2將場(chǎng)景單元的L幅二值編碼圖上對(duì)應(yīng)位置的編碼組合成L位二進(jìn)制數(shù),并將二進(jìn)制數(shù)轉(zhuǎn)化為十進(jìn)制數(shù),獲得場(chǎng)景單元的十進(jìn)制編碼圖;
[0024]4.3以十進(jìn)制編碼圖上十進(jìn)制響應(yīng)值的頻率直方圖作為場(chǎng)景單元的全局特征描述;
[0025]步驟5,基于場(chǎng)景單元的全局特征描述進(jìn)行場(chǎng)景單元分類。
[0026]步驟I具體為:
[0027]采用均勻網(wǎng)格劃分遙感影像獲得一系列子網(wǎng)格,子網(wǎng)格代表一個(gè)場(chǎng)景單元,相鄰場(chǎng)景單元間無重疊。
[0028]步驟3進(jìn)一步包括子步驟:
[0029]3.1以各局部圖像塊訓(xùn)練樣本的像素值構(gòu)成局部圖像塊向量,并對(duì)局部圖像塊向量中各元素進(jìn)行歸一化;
[0030]3.2采用非監(jiān)督學(xué)習(xí)法學(xué)習(xí)歸一化后的局部圖像塊向量,獲得濾波器組。
[0031]步驟3中所述的非監(jiān)督學(xué)習(xí)法為K-means聚類法、稀疏編碼法、主成分分析法、獨(dú)立成分分析法、局部保持映射法、非負(fù)矩陣分解法或隨機(jī)映射法。
[0032]在執(zhí)行步驟4之前,調(diào)整濾波器組中各濾波器尺寸,使得濾波器尺寸與局部圖像塊訓(xùn)練樣本尺寸相同。
[0033]步驟4.1中所述的預(yù)設(shè)閾值優(yōu)選為O。
[0034]步驟5中采用SVM分類器進(jìn)行場(chǎng)景單元分類,進(jìn)一步包括子步驟:
[0035]5.1選擇各類場(chǎng)景單元作為場(chǎng)景單元訓(xùn)練樣本,并標(biāo)注各場(chǎng)景單元訓(xùn)練樣本的類別標(biāo)號(hào);
[0036]5.2采用權(quán)利要求1中所述的步驟I~4獲得各場(chǎng)景單元訓(xùn)練樣本的全局特征描述;
[0037]5.3采用場(chǎng)景單元訓(xùn)練樣本的全局特征描述和類別標(biāo)號(hào)訓(xùn)練SVM分類器;
[0038]5.4將待分類遙感影中場(chǎng)景單元的全局特征描述輸入訓(xùn)練的SVM分類器,即可獲得各場(chǎng)景單元的類別標(biāo)號(hào)。
[0039]在采用SVM分類器進(jìn)行場(chǎng)景單元分類時(shí),以直方圖交叉核和空間共生核的聯(lián)合函數(shù)作為SVM分類器的核函數(shù)進(jìn)行場(chǎng)景單元分類;
[0040]所述的直方圖交叉核和空間共生核的聯(lián)合函數(shù)Khik+sck( {Y(i),WCM(i)},{Y(J), WCM(J)})為:
[0041]
【權(quán)利要求】
1.基于快速二值編碼的高分辨率遙感影像場(chǎng)景分類方法,其特征是,包括步驟: 步驟1,劃分待分類遙感影像獲得場(chǎng)景單元,并將場(chǎng)景單元的彩色像素轉(zhuǎn)化成灰度像素; 步驟2,從場(chǎng)景單元中提取尺寸相同的圖像塊作為局部圖像塊訓(xùn)練樣本; 步驟3,采用非監(jiān)督學(xué)習(xí)法學(xué)習(xí)局部圖像塊訓(xùn)練樣本獲得濾波器組; 步驟4,將場(chǎng)景單元與濾波器組中各濾波器分別做卷積獲得各場(chǎng)景單元的L幅濾波器響應(yīng)圖,L為濾波器組中濾波器數(shù)量,采用二值編碼法分別融合各場(chǎng)景單元的L幅濾波器響應(yīng)圖獲得各場(chǎng)景單元的全局特征描述; 所述的采用二值編碼法分別融合各場(chǎng)景單元的L幅濾波器響應(yīng)圖獲得各場(chǎng)景單元的全局特征描述,進(jìn)一步包括子步驟: 4.1將濾波器響應(yīng)圖上各位置響應(yīng)值分別與預(yù)設(shè)閾值比較,響應(yīng)值大于閾值的位置編碼為1,響應(yīng)值小于閾值的位置編碼為O,從而獲得場(chǎng)景單元的L幅二值編碼圖; 4.2將場(chǎng)景單元的L幅二值編碼圖上對(duì)應(yīng)位置的編碼組合成L位二進(jìn)制數(shù),并將二進(jìn)制數(shù)轉(zhuǎn)化為十進(jìn)制數(shù),獲得場(chǎng)景單元的十進(jìn)制編碼圖; 4.3以十進(jìn)制編碼圖上十進(jìn)制響應(yīng)值的頻率直方圖作為場(chǎng)景單元的全局特征描述; 步驟5,基于場(chǎng)景單元的全局特征描述進(jìn)行場(chǎng)景單元分類。
2.如權(quán)利要求1所述的基于快速二值編碼的高分辨率遙感影像場(chǎng)景分類方法,其特征是: 步驟I具體為: 采用均勻網(wǎng)格劃分遙感影像獲得一系列子網(wǎng)格,子網(wǎng)格代表一個(gè)場(chǎng)景單元,相鄰場(chǎng)景單元間無重疊。
3.如權(quán)利要求1所述的基于快速二值編碼的高分辨率遙感影像場(chǎng)景分類方法,其特征是: 步驟3進(jìn)一步包括子步驟: 3.1以各局部圖像塊訓(xùn)練樣本的像素值構(gòu)成局部圖像塊向量,并對(duì)局部圖像塊向量中各元素進(jìn)行歸一化; 3.2采用非監(jiān)督學(xué)習(xí)法學(xué)習(xí)歸一化后的局部圖像塊向量,獲得濾波器組。
4.如權(quán)利要求1所述的基于快速二值編碼的高分辨率遙感影像場(chǎng)景分類方法,其特征是: 所述的非監(jiān)督學(xué)習(xí)法為K-means聚類法、稀疏編碼法、主成分分析法、獨(dú)立成分分析法、局部保持映射法、非負(fù)矩陣分解法或隨機(jī)映射法。
5.如權(quán)利要求1所述的基于快速二值編碼的高分辨率遙感影像場(chǎng)景分類方法,其特征是: 在執(zhí)行步驟4之前,調(diào)整濾波器組中各濾波器尺寸,使得濾波器尺寸與局部圖像塊訓(xùn)練樣本尺寸相同。
6.如權(quán)利要求1所述的基于快速二值編碼的高分辨率遙感影像場(chǎng)景分類方法,其特征是: 步驟4.1中所述的預(yù)設(shè)閾值為O。
7.如權(quán)利要求1所述的基于快速二值編碼的高分辨率遙感影像場(chǎng)景分類方法,其特征是: 步驟5中采用SVM分類器進(jìn)行場(chǎng)景單元分類。
8.如權(quán)利要求7所述的基于快速二值編碼的高分辨率遙感影像場(chǎng)景分類方法,其特征是: 所述的采用SVM分類器進(jìn)行場(chǎng)景單元分類進(jìn)一步包括子步驟:5.1選擇各類場(chǎng)景單元作為場(chǎng)景單元訓(xùn)練樣本,并標(biāo)注各場(chǎng)景單元訓(xùn)練樣本的類別標(biāo)號(hào); 5.2采用權(quán)利要求1中所述的步驟I~4獲得各場(chǎng)景單元訓(xùn)練樣本的全局特征描述; 5.3采用場(chǎng)景單元訓(xùn)練樣本的全局特征描述和類別標(biāo)號(hào)訓(xùn)練SVM分類器; 5.4將待分類遙感影中場(chǎng)景單元的全局特征描述輸入訓(xùn)練的SVM分類器,即可獲得各場(chǎng)景單元的類別標(biāo)號(hào)。
9.如權(quán)利要求7所述的基于快速二值編碼的高分辨率遙感影像場(chǎng)景分類方法,其特征是: 步驟5中,以直方圖交叉核和空間共生核的聯(lián)合函數(shù)作為SVM分類器的核函數(shù)進(jìn)行場(chǎng)景單元分類; 所述的直方圖交叉核和空間共生核的聯(lián)合函數(shù)ΚΗΙΚ+Μ({Υω,ΙΟΜω},{Y(J),WCM(J)})為:
【文檔編號(hào)】G06K9/62GK104036293SQ201410262170
【公開日】2014年9月10日 申請(qǐng)日期:2014年6月13日 優(yōu)先權(quán)日:2014年6月13日
【發(fā)明者】夏桂松, 胡凡, 張良培 申請(qǐng)人:武漢大學(xué)
網(wǎng)友詢問留言 已有0條留言
  • 還沒有人留言評(píng)論。精彩留言會(huì)獲得點(diǎn)贊!
1