Resumen

Proponemos un método de clasificación de escenas para acelerar la fusión de imágenes de teledetección multisensor utilizando la descomposición del valor singular de la matriz de cuaterniones y el análisis de componentes principales del núcleo (KPCA) para extraer características. Al principio, las imágenes se segmentan en parches mediante una cuadrícula regular y, para cada parche, extraemos las características de color mediante el método de descomposición del valor singular de cuaterniones (QSVD), y las características de gris se extraen mediante el filtro de Gabor y, a continuación, utilizando el histograma de orientación para describir la información de gris. A continuación, combinamos las características de color y el histograma de orientación con el mismo peso para obtener el descriptor de cada parche. Todos los descriptores de los parches se agrupan para obtener palabras visuales para cada categoría. A continuación, aplicamos KPCA a las palabras visuales para obtener los subespacios de la categoría. A continuación, los descriptores de una imagen de prueba se proyectan a los subespacios de todas las categorías para obtener la longitud de proyección a todas las categorías de la imagen de prueba. Por último, se utiliza una máquina de vectores soporte (SVM) con una función de núcleo lineal para obtener el rendimiento de la clasificación de escenas. Experimentamos con tres situaciones de clasificación en el conjunto de datos OT8 y comparamos nuestro método con el método típico de clasificación de escenas, el análisis semántico latente probabilístico (pLSA), y los resultados confirman la viabilidad de nuestro método.

• Materias:Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:descomposición de valor singular, método, características de color, histograma de orientación, imagen de prueba, palabras visuales, análisis semántico latente probabilístico, método típico de clasificación de escenas, función de núcleo lineal, análisis de componentes principales
• Keywords:singular value decomposition, method, color features, orientation histogram, test image, visual words, probabilistic latent semantic analysis, typical scene classification method, linear kernel function, principal component analysis