顾及多分辨率特征的复合字典城中村识别方法

城中村作为一种特殊的城市聚落类型，对其进行精确有效的监控识别有助于实现城乡协调发展、优化城乡生态环境。现有面向对象的城中村识别方法通常需要大量样本数据，导致训练成本较高，数据更新效率偏低。针对以上问题，本文提出了顾及多分辨率特征的复合字典城中村识别方法。首先通过密集格网采样提取尺度不变特征转换(SIFT)全局特征，并与多分辨率颜色矢量角直方图特征融合，形成视觉词典；然后将影像表示为视觉词频率直方图；最后使用随机森林分类器进行分类，以实现场景尺度的城中村识别。以高分二号影像为测试数据对该方法进行验证，结果表明，其总体精度达90.08%,Kappa系数达80.16%,相较于加速稳健特征(SURF)、SIFT、VGG16、ResNet50,总体精度分别高出8.99%、3.51%、4.78%、2.28%。