基于稀疏表示的遥感图像分类方法改进.pdf

第 42卷 第 3期 计 算 机 工 程 2016年 3月 VO1．42 NO．3 ComputerEngineering M arch2016 · 图形图像处理 · 文章编号：1000-3428(2016)03-0254-05 文献标识码：A 中图分类号：TP391 基于稀疏表示的遥感图像分类方法改进 唐晓晴，刘亚洲，陈骏龙 (南京理工大学计算机科学与工程学院，南京 210094) 摘 要 ：传统稀疏表示分类算法 由于没有给出全面的图像纹理信息，导致分类准确率不高。针对该 问题 ，在稀疏表 示分类模型中引入局部二值模式 (LBP)特征 ，提 出一种新 的稀疏表示分类方法。该方法使用 LBP对遥感图像进行 特征提取 ，获得遥感 图像 的局部纹理特征 ，根据 LBP直方 图训练结构化字典 ，建立基于稀疏表示的遥感 图像分类模 型 。实验结果表明，与支持 向量机 以及 K最近邻方法相 比，该方法能够有效提高分类精度 。 关键词 ：稀疏表示 ；局部二值模式 ；遥感图像 ；局部纹理 ；字典学习 中文引用格式 ：唐晓晴，刘亚洲 ，陈骏龙 ．基于稀疏表示 的遥感 图像分类方法改进 [J]．计算机工程 ，2016，42(3)： 254—258，265． 英文引用格式 ：TangXiaoqing，LiuYazhou，ChenJunlong．ImprovementofRemoteSensingImageClassificationMethod BasedonSparseRepresentation[J]．ComputerEngineering，2016，42(3)：254—258，265． ImprovementofRemoteSensingImageClassificationM ethod Based on SparseRepresentati0n TANG Xiaoqing，LIU Yazhou，CHEN Junlong (SchoolofComputerScienceandEngineering，NanjingUniversityofScienceandTechnology，Nanjing210094，China) 【Abstract】OwingtothetraditionalSparseRepresentation—basedClassification(SRC)algorithmcannotextractimage textureinformation comprehensively．theresultofclassification iSnothigh．In orderto solve thisproblem ，the Local BinaryPattern(LBP) featureiSadded to theSRC mode1，andanove1sparserepresentationclassificationmethod iS proposed．TheLBP isused to extractthelocaltextureofthe remote sensing imageand theLBP histogram isused to designastructured dictionary，which ismore suitable fortheremote sensing image．Compared with theSupportVector Machine(SVM )andK—nearestNeighbor(KNN)method，experimentalresultsshow thattheproposedmethodcan improvetheclassificationaccuracy． 【Keywords】sparserepresentation；LocalBinaryPattern(LBP)；remotesensingimage；localtexture；dictionarylearning DoI：10．