摘要： 针对遥感图像样本较少、特征维数高、特征对分类器贡献差异等问题，提出一种多 角度、多尺度特征增益的多级稀疏表示遥感图像分类方法，将遥感图像在 ８个角度 ５个尺度高 斯分解以提取 Ｇａｂｏｒ视觉特征，将粒子群算法中的惯性权重和加速因子设置为适应度的函数以 避免早熟和加速收敛，改进后的粒子群算法寻找中心最大频率和带宽参数的最优取值，通过稀 疏表示构建 Ｇａｂｏｒ特征视觉词典，形成遥感图像稀疏系数矩阵作为分类器的输入，在分类器中 引入信息熵和条件熵，计算特征增益以区分不同特征对分类器的贡献差异，并给出特征增益支 持向量机高斯核函数的表达式实现图像分类。在 ＰａｖｉａＵｎｉｖｅｒｓｉｔｙ数据集上仿真测试结果为：改 进粒子群寻优中心最大频率和带宽组合参数后相比随机确定组合参数的分类精度分别提高 ６７．５６％和 ６２．４９％，均方误差分别降低 ０．４３２１和 ０．４３０９，３０步训练时间增加了 ３７．３５４ｓ和 ３４．２７６ｓ，分类的总体精度相比未考虑特征增益的 ＳＶＭ、ＢｏＶＷ 或 ＰＬＳＡ分别提高了 １．９６％、４． ４７％和 ５．３９％，Ｋａｐｐａ系数分别提升 ０．０３８９、０．０６８５和 ０．０７６８。和弦图对分类结果可视化， 更加直观地表现出所提方法类间混淆最少，总体分类精度最高。结果表明：二维 Ｇａｂｏｒ滤波器 组的中心最大频率和带宽对分类器的性能具有较大影响，通过寻优组合参数值用较小的时间可 换取分类性能的较大提升，低频窄带提高了图像的描述能力和可解释性，特征增益可进一步提 升分类器的性能，从而整体上改善遥感图像分类效果。

关键词: 遥感图像, 稀疏表示, 图像分类, Ｇａｂｏｒ, 和弦图

中图分类号: 

• TP273