联合多尺度多特征的高分遥感图像场景分类

发布时间：2023-08-06 16:50

　　高分辨率遥感图像地物信息丰富,但场景构成复杂,目前基于手工设计的特征提取方法不能满足复杂场景分类的需求,而非监督特征学习方法尽管能够挖掘局部图像块的本征结构,但单一种类及尺度的特征难以有效表达实际应用中复杂遥感场景特性,导致分类性能受限.针对此问题,本文提出了一种基于多尺度多特征的遥感场景分类方法.该算法首先设计了一种改进的谱聚类非监督特征(iUFL-SC)以有效表征图像块的本征结构,然后通过密集采样提取每幅遥感场景的iUFL-SC、LBP、SIFT等三种多尺度局部图像块特征,并通过视觉词袋模型(BoVW)获得场景的中层特征表达,以实现更为准确详实的特征描述,最后基于直方图交叉核的支持向量机(HIKSVM)进行分类.在UC Merced数据集以及WHU-RS19数据集上的实验结果表明本文方法可对遥感场景进行鉴别特征提取,有效提高分类性能.

【文章页数】：10 页

【文章目录】：
1 引言
2 相关方法
    2.1 LBP特征
    2.2 SIFT特征
3 本文算法
    3.1 iUFL-SC特征提取
    3.2 BoVW模型框架下的MMF分类方法
4 实验结果及分析
    4.1 实验数据集
    4.2 实验设置
    4.3 参数实验
        4.3.1 融合系数α
        4.3.2 视觉词汇个数NOC
    4.4 UCM数据集实验结果与分析
    4.5 WHU-RS19数据集实验结果与分析
5 结论



本文编号：3839693