徐 侃，陈丽君，杨 文，孙 洪

(武汉大学电子信息学院，430079武汉，jcarloswhu@msn.com)

利用特征选择的遥感图像场景分类

徐 侃，陈丽君，杨 文，孙 洪

(武汉大学电子信息学院，430079武汉，jcarloswhu@msn.com)

为了提高遥感图像场景分类精度，提出了一种基于增广LDA(Latent Dirichlet Allocation)模型的特征选择算法.首先对图像进行尺度不变特征变换、颜色直方图、几何模糊特征、局域二值模式和Gabor纹理特征提取，然后引入一种改进的自动选择特征算法，通过交叉验证选出最具针对性的特征组合，再利用LDA将高维特征组合进行降维，最后使用正则化逻辑回归分类器完成场景分类.实验结果表明，与其他特征组合相比，经自动选择后的特征组合可以有效提高遥感图像场景分类的精度.

场景分类;主题模型;特征选择;逻辑回归

场景分类是遥感图像解译的一个重要环节，也是遥感研究领域的热点.如今随着图像分辨率的大幅提高，其所包含的地物目标细节更加明显，形状、纹理、结构等信息也更加突出.面对丰富的特征信息，选择有针对性的特征是提高分类性能的一个关键环节.文献［1］的实验结果表明，利用形状和颜色特征可以有效提取出高分辨率遥感图像中的建筑物目标.文献［2］将遥感图像的纹理及颜色等特征组合后与pLSA(Probabilistic Latent Semantic Analysis)模型相结合，利用两层分类器来提高分类精度.

近年来，利用语义模型来进行图像分类的方法受到了广泛关注.与常用的词袋 (Bag of Words，BOW)方法相比，语义模型在对特征降维的同时，也对潜在语义信息进行挖掘……