联合多尺度多特征的高分遥感图像场景分类OA北大核心CSCDCSTPCD
Scene Classification of High-Resolution Remote Sensing Image by Multi-scale and Multi-feature Fusion
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-RS 19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.
黄鸿;徐科杰;石光耀
重庆大学光电技术及系统教育部重点实验室,重庆400044重庆大学光电技术及系统教育部重点实验室,重庆400044重庆大学光电技术及系统教育部重点实验室,重庆400044
信息技术与安全科学
遥感高分辨率影像场景分类非监督特征特征融合视觉词袋模型
《电子学报》 2020 (9)
1824-1833,10
重庆市基础与前沿研究计划(No.cstc2018jcyjAX0093)重庆市留学人员回国创业创新支持计划(No.cx2019144)重庆市研究生科研创新项目(No.CYB19039)重庆市教委科学技术研究计划(No.KJZD-K201902501)
评论