多特征融合的遥感图像分类要点分析.pptxVIP

多特征融合的遥感图像分类 2014年9月11日 目录 高分遥感图像的图像特征 视觉词袋特征 改进的视觉词袋特征 颜色直方图 纹理特征 融合多特征的高分遥感图像特征分类算法 算法流程 测试集 高分遥感图像的图像特征-视觉词袋 提取图像中大量局部的小块，通过判定每个图像块可能的语义信息，统计整幅图像中各个语义信息出现的频次，最终得到该图像的描述。 优点：避免了图像分割过程 在局部图像块表示中，词包模型 (Bag-of-Word, BOW)受到了大量的关注 高分遥感图像的图像特征-视觉词袋 Works pretty well for whole-image classification Csurka et al. (2004), Willamowski et al. (2005), Grauman Darrell (2005), Sivic et al. (2003, 2005) 高分遥感图像的图像特征-视觉词袋 视觉词袋的计算过程 （1）利用SIFT算法，从每类图像中提取视觉词汇，将所有的视觉词汇集合在一起 高分遥感图像的图像特征-视觉词袋 第二步是利用K-Means算法构造单词表。K-Means算法是一种基于样本间相似性度量的间接聚类方法，此算法以K为参数，把N个对象分为K个簇，以使簇内具有较高的相似度，而簇间相似度较低。SIFT提取的视觉词汇向量之间根据距离的远近，可以利用K-