MRELBP特征、Franklin矩和SVM相结合的遥感图像建筑物识别方法

摘要：

为了进一步提高遥感图像建筑物区域的识别精度,提出了一种基于中值稳健扩展局部二值模式(median robust extended local binary pattern,MRELBP)、Franklin矩和布谷鸟优化支持向量机(support vector machine,SVM)的分类方法.首先,通过MRELBP特征算子计算图像块的纹理特征向量,并根据Franklin矩得到形状特征向量,组合图像块的纹理特征向量和形状特征向量得到综合特征向量;然后,利用训练样本对S VM进行训练,同时由布谷鸟搜索算法对S VM的核函数参数和惩罚因子进行优化;最后,通过训练好的S VM得到建筑物区域识别结果.通过30组试验的结果表明,与基于三原色(red green blue,RGB)和SVM的分类方法、基于LBP和SVM的分类方法、基于Zernike矩和SVM的分类方法相比,本文提出的方法所识别的遥感图像建筑物区域准确度更高.

关键词：遥感图像、建筑物区域识别、MRELBP特征、Franklin矩、支持向量机、布谷鸟搜索算法

所属期刊栏目：49

分类号：P237(摄影测量学与测绘遥感)

资助基金：国家自然科学基金;城市空间信息工程北京市重点实验室开放基金

在线出版日期：2020-03-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：355-364