基于MNCC模型的高分辨率遥感图像场景分类

摘要

遥感图像的场景分类是学习和发现图像与场景语义内容标签的一个映射过程.根据图像特征提取的层次,场景分类可分为低层特征描述和中层特征描述的两大主流方法.基于视觉词袋模型无需分析场景具体目标组成,根据场景统计特性建立视觉单词,然后利用文本相关模型来处理图像内容的表示.考虑图像空间关系、尺度和层次关系、上下文关系可获得有效的描述场景的视觉单词.rn 在大脑对感知外界环境的神经结构与认知功能的相关研究基础上构建仿脑的MNCC模型，并实现基于MNCC的高分辨率遥感图像场景分类算法。在标准的高分遥感图像场景数据集上的实验结果表明，本算法在场景分类准确度具备一定的优势。虽然模型采用增量学习可显著地降低算法的运行时间，但MNCC算法本身尚有较大的并行处理的改进空间，进一步工作将研究基于GPU和多核的并行运算以提升算法性能。