基于分块特征点密度的多特征融合遥感图像场景分类

摘要

随着遥感等对地观测技术的发展,遥感图像分辨率越来越高.相比于中低分辨率遥感图像,高分辨率遥感图像能够提供更详细的地面信息,但各种地物空间结构分布较复杂.针对高分辨率遥感图像中的不同目标,各种特征有效性不尽相同、彼此存在互补现象,提出了一种分层多特征融合的场景分类方法.该方法首先对图像进行预分类,粗分为特征点分布均匀与不均匀两大类;然后,对分布均匀类别提取颜色直方图特征和Gabor纹理特征,对分布不均匀类别提取ScSPM(基于稀疏编码的空间金字塔匹配)特征;最后分别训练支持向量机分类器对测试图像进行分类.在一个2100幅图像构成的大型遥感图像数据库上的实验结果表明,提出的算法比仅用单一特征分类方法的最高精度提高了10％;与其他融合方法相比,提出的方法取得了最高分类精度,达到了90.1％;算法时间复杂度也大为降低.