基于聚类分析的多特征融合遥感图像场景分类
高分辨率遥感图像相比于中低分辨率遥感图像,能够提供更详细的地物信息,但各种场景内物体和空间结构分布较复杂,针对场景分类中不同目标的特征有效性不尽相同、彼此存在互补现象,提出了一种基于聚类有效性分析的分层多特征融合场景分类方法.首先提取图像数据集的Gabor纹理与颜色直方图特征;其次聚类分析训练样本,选取最佳聚类个数,计算对应的各类别的聚类一致性,对于聚类一致性较好的子类训练分类器,并对其余的类别提取局部特征并进行频繁项集挖掘,然后训练基于精简特征的分类器;最后用这两个分类器对测试样本进行分类.实验结果表明,在一个2 100幅图像构成的大型遥感图像数中,提出的算法比仅用单一特征分类方法的最高精度要高;与其他融合方法相比,该方法取得了较高分类精度,达到了97.28％,算法时间复杂度也大为降低.
高分辨率遥感图像、颜色直方图、纹理特征、多特征融合
41
TP751;TN02(遥感技术)
国家自然科学基金61170200;江苏省重点研究发展计划BE2015707
2019-04-29（万方平台首次上网日期，不代表论文的发表时间）
共7页
82-88
