MRELBP特征、 Frankli矩和SVM相结合的遥感图像识别方法

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( medianrobustextendedlocalbinarypattern , MRELBP )、 Franklin 矩和布谷鸟 优化支持向 量机(supportvectormachine , 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 SVM 进行训练,同时由布谷鸟搜索算法对 SVM 的核函数参数和惩罚因子进行优化;最后,通过训练好的 SVM 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(redgreenblue , 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.