数据采集与处理
數據採集與處理
수거채집여처리
JOURNAL OF DATA ACQUISITION & PROCESSING
2014年
1期
108-115
,共8页
高分辨率遥感图像%多特征融合%视觉词袋%支持向量机
高分辨率遙感圖像%多特徵融閤%視覺詞袋%支持嚮量機
고분변솔요감도상%다특정융합%시각사대%지지향량궤
high-resolution remote sensing image%multi-feature fusion%bag of visual words%support vector machine
针对高分辨率遥感图像特点,提出了一种多特征融合的分类方法.该方法首先改进了原始的视觉词袋生成算法;然后,分别提取图像的视觉词袋局部特征、颜色直方图特征以及Gabor纹理特征;最后采用支持向量机进行分类,并对多特征分类结果进行自适应综合.采用一个具有2 100幅图像的大型遥感图像分类公共测试数据集进行分类实验,与仅用单一特征分类方法的最高分类精度相比,本文多特征融合的遥感影像分类方法总体平均分类精度提高了10％,表明本文提出方法是一种有效的高分辨率遥感图像分类方法.
針對高分辨率遙感圖像特點,提齣瞭一種多特徵融閤的分類方法.該方法首先改進瞭原始的視覺詞袋生成算法;然後,分彆提取圖像的視覺詞袋跼部特徵、顏色直方圖特徵以及Gabor紋理特徵;最後採用支持嚮量機進行分類,併對多特徵分類結果進行自適應綜閤.採用一箇具有2 100幅圖像的大型遙感圖像分類公共測試數據集進行分類實驗,與僅用單一特徵分類方法的最高分類精度相比,本文多特徵融閤的遙感影像分類方法總體平均分類精度提高瞭10％,錶明本文提齣方法是一種有效的高分辨率遙感圖像分類方法.
침대고분변솔요감도상특점,제출료일충다특정융합적분류방법.해방법수선개진료원시적시각사대생성산법;연후,분별제취도상적시각사대국부특정、안색직방도특정이급Gabor문리특정;최후채용지지향량궤진행분류,병대다특정분류결과진행자괄응종합.채용일개구유2 100폭도상적대형요감도상분류공공측시수거집진행분류실험,여부용단일특정분류방법적최고분류정도상비,본문다특정융합적요감영상분류방법총체평균분류정도제고료10％,표명본문제출방법시일충유효적고분변솔요감도상분류방법.
