建筑物识别是通过计算机视觉设备获取建筑物图像信息,然后使用建筑物识别技术对图像中的建筑物进行分类和识别。该技术在智能视频导航、智慧城市智能交通和无人设备定位等领域具有广泛应用价值。本文的主要研究内容如下:通过分析非均匀光照或局部遮挡等噪声对建筑物识别的影响,本文提出了基于近邻敏感梯度方向直方图gist特征的建筑物识别方法。该方法与传统的基于Gabor滤波器提取纹理特征的方法不同,它采用了建筑物图像的近邻敏感梯度方向直方图作为图像的纹理特征。每个像素的近邻敏感梯度方向直方图是一个基于整个建筑物图像的多方向直方图。因此本文的近邻敏感梯度方向直方图gist特征,具有较强的纹理描述能力,对非均匀光照或局部遮挡等噪声不敏感。在近邻敏感梯度方向直方图的基础上,本文提出了一种多尺度近邻敏感梯度方向直方图特征来提取建筑物的纹理特征。该方法采用三层图像金字塔进行纹理特征的提取,能够很好的避免建筑物大小对分类结果的影响。最后,本文提出了一种基于空间纹理和颜色特征稀疏表示的建筑物识别方法。该方法利用具有空间信息的多尺度近邻敏感梯度方向直方图和颜色自相关图提取建筑物图像的空间纹理和空间颜色特征。将提取的建筑物颜色、纹理和明度特征结合起来形成联合特征,通过自编码器对联合特征进行稀疏表示和维度缩减,并使用极限学习机进行分类。本文提出的方法均在谢菲尔德建筑物数据集上进行了多项实验。并且所提方法在平均识别率上超出了基于gist特征的方法10%以上,证明了所提方法的有效性。