目录
前言 图像分类基础 局部模式算法 分类器介绍 实验流程 分类结果评估 总结
分类在农业上的应用
Signal Processing Laboratory
目录
前言 图像分类基础 局部模式算法 分类器介绍 实验流程 分类结果评估 总结
计算机 自动分类
图像分类方法
典型的有： 典型的有： 一、KNN 二、Adaboost 三、SVM ...
Signal Processing Laboratory
目录
前言 图像分类基础 局部模式算法 分类器介绍
Adaboost分类结果 Adaboost分类结果
Accuracy comparision 0.8 0.7 0.6
m eanAccuracy
0.5
0.4
0.3
0.2
0.1
Gabor Adaboost LBP Adaboost LTP Adaboost LBP-HF Adaboost LTP-HF Adaboost 0 5 10 15 No.training 20 25 30
upper pattern uniform LBP
LBP-HF
LTP
lower pattern uniform LBP
LTP-HF
LBP-HF
Signal Processing Laboratory
目录
前言 图像分类基础
0.2 0.18 0.16
局部模式算法示意图
图像 uniform LBP
0.2 0.18 0.16 0.14 0.12 0.1 0.08 0.06 0.04 0.02
目录
前言 图像分类基础 局部模式算法 分类器介绍 实验流程 分类结果评估 总结
分类器 生成Textons 生成 Textons 算法 直方图特征
实验流程图
图像
分块+LTP-HF直方图 直方图 分块
Signal Processing Laboratory
目录
前言 图像分类基础 局部模式算法 分类器介绍 实验流程 分类结果评估 总结
局部二进制模式 直方图傅里叶特征（LBP-HF） 直方图傅里叶特征（LBP-HF）
| H '(n, u)|=| H(n, u) |
Signal Processing Laboratory
目录
前言 图像分类基础 局部模式算法 分类器介绍 实验流程 分类结果评估 总结
局部三进制模式 直方图傅里叶特征（LTP-HF） 直方图傅里叶特征（LTP-HF）
通过训练一组弱分类器从而获得一个叠加这些 通过训练一组弱分类器从而 一组弱分类器从而 一个叠加这些 弱分类器而得到的一个强分类器。 弱分类器而得到的一个强分类器。SVM分类器 SVM分类器
通过在特征空间构建具有最大间隔的最佳超平 面而实现对训练样本集的最佳划分。
Signal Processing Laboratory
表达式： 表达式：
LBP( xc , yc ) = ∑ n =0 2n s(in − ic )
7
Signal Processing Laboratory
目录
前言 图像分类基础 局部模式算法
一 模 式 -LBP 统
分类器介绍 实验流程 分类结果评估 总结
LBP-HF
Signal Processing Laboratory
混淆矩阵表明： 混淆矩阵表明：LTP-HF在表征局部特征上很有效果， 而在全局特征上有所欠缺
Signal Processing Laboratory
目录
前言 图像分类基础 局部模式算法 分类器介绍 实验流程 分类结果评估 总结
总结与展望 总结
概述遥感图像分类的意义及方法 介绍局部模式的概念、性质，在此基 础上提出LTP-HF算法 分类实验证明： LTP-HF是局部模式的有效改进 LTP-HF与SVM的组合分类效果最好
SVM分类结果 SVM分类结果
Accuracy comparision 0.9 0.8 0.7
m eanAccuracy
实验流程 分类结果评估 总结
0.6
0.5
0.4
0.3
0.2
GABOR SVM LBP SVM LTP SVM LBP-HF SVM LTP-HF SVM 0 5 10 15 No.training 20 25 30
0 10 20 30 40 50 60
LBP-HF
0.25
LTP-HF
局部模式算法 分类器介绍 实验流程 分类结果评估 总结
0.2
0.14 0.12 0.1 0.08 0.06 0.04 0.02 0
0.15
0.1
0.05
0
0
5
10
15
20
25
30
35
40
0
0
10
20
30
40
50
60
70
80
图像顺时针旋转90度 图像顺时针旋转90度： 90
40
50
60
70
80
Signal Processing Laboratory
目录
前言 图像分类基础 局部模式算法 分类器介绍 实验流程 分类结果评估 总结
分类器介绍
KNN最近邻分类器 KNN最近邻分类器
根据距离或相似度与测试样本最近的K个邻居 所属的类别来判断测试样本的类别
Adaboost分类器 Adaboost分类器
展望
将局部模式应用到基于像素的分类中 局部特征与全局特征相结合
Signal Processing Laboratory
目录
前言 图像分类基础 局部模式算法 分类器介绍 实验流程 分类结果评估 总结
感谢各位老师和同学 敬请批评指正！
Signal Processing Laboratory
基于局部模式直方图 的遥感图像分类方法探究
Signal Processing Laboratory
目录
前言 图像分类基础 局部模式算法 分类器介绍 实验流程 分类结果评估 总结
分类的应用
Signal Processing Laboratory
0.2 0.18 0.16 0.14 0.12 0.1
0.2 0.18 0.16
0.2 0.25
0.14 0.12 0.1
0.15
0.08
0.08
0.06
0.1
0.06
0.04
0.04
0.02
0.05
0.02
0 0 10 20 30 40 50 60
0
0
0
5
10
15
20
25
30
35
40
0
10
20
30
0.1
特征分类性能：LTP-HF>LTP>LBP-HF>LBP>GABOR 特征分类性能 分类器分类性能： 分类器分类性能：SVM>KNN>Adaboost
Signal Processing Laboratory
目录
前言 图像分类基础 局部模式算法 分类器介绍 实验流程 分类结果评估 总结
混淆矩阵图表
目录
前言 图像分类基础 局部模式算法 分类器介绍 实验流程 分类结果评估 总结
局部三进制模式（LTP） 局部三进制模式（LTP）
示意图： 示意图：
简化处理： 简化处理：
Signal Processing Laboratory
目录
前言 图像分类基础 局部模式算法 分类器介绍 实验流程 分类结果评估 总结 DFT
监督分类
非监督分类
典型的有： 典型的有： 一、K-means聚类 聚类 二、ISODATA ...
Signal Processing Laboratory
目录
前言 图像分类基础 局部模式算法 分类器介绍 实验流程 分类结果评估 总结
局部二进制模式（LBP） 局部二进制模式（LBP） 示意图： 示意图：
meanAccuracy
分类结果与分析
KNN分类结果 KNN分类结果
Accuracy comparision 0.8 0.7
0.6
0.5
0.4
0.3
0.2
0.1
Gabor KNN LBP KNN LTP KNN LBP-HF KNN LTP-HF KNN 0 5 10 15 No.training 20 25 30