[发明专利]基于非监督特征学习的高分辨率遥感影像场景分类方法

摘要

一种基于非监督特征学习的高分辨率遥感影像场景分类方法，包括对输入的原始高分辨率遥感图像进行划分得到场景，从每个场景中随机地提取若干个训练图像块，将训练图像块聚集起来做预处理操作；计算所有训练图像块的低维流形表示，聚类得到一组聚类中心；对每一幅场景密集采样得到局部图像块，对每个局部图像块做预处理操作后映射到相同的低维流形空间中，然后进行编码获得场景的所有局部特征；将所有场景的局部特征集合起来进行特征量化，统计每一幅场景的局部特征直方图，得到场景的全局特征表达；随机挑选若干幅场景作为训练样本，由分类器得到每一幅场景的预测类别标号，完成原始高分辨率遥感场景的标注任务。

主权项

一种基于非监督特征学习的高分辨率遥感影像场景分类方法，其特征是：包括以下步骤，步骤1，对输入的原始高分辨率遥感图像进行均匀网格划分，每一个子网格代表一个场景；步骤2，从每个场景中随机地提取若干个训练图像块，将训练图像块聚集起来做预处理操作；步骤3，计算所有训练图像块的低维流形表示，并以训练图像块的低维矢量表示为基础，通过聚类的方法得到一组聚类中心；步骤4，对每一幅场景密集采样，得到若干个局部图像块，对每个局部图像块做预处理操作后，映射到相同的低维流形空间中，并获得相应的低维流形表示，对局部图像块的低维流形表示进行编码，获得描述该幅场景的所有局部特征；步骤5，将所有场景的局部特征集合起来进行特征量化，统计每一幅场景的局部特征直方图，得到场景的全局特征表达；步骤6，随机挑选若干幅场景作为训练样本，并把每幅场景对应的全局特征表达和真实的类别标号送入分类器中进行训练，得到分类器模型参数；将原始高分辨率遥感影像的所有场景的全局特征表达送入分类器，由分类器得到每一幅场景的预测类别标号，完成原始高分辨率遥感场景的标注任务。