不同降维策略下的高光谱影像多特征分类

摘要：

由于物体表面的空间分布通常是富有规律且局部连续的,在高光谱影像分类中应充分利用其光谱和空间信息.本文在对高光谱影像立方体进行降维处理的基础上,提出了一种联合空域和谱域信息的高光谱影像高效分类方法.首先,分别选用主成分分析(Principal Component Analysis,PCA)和正交投影波段选择(Orthogonal Projection Band Selection,OPBS)两种方法对原始高光谱数据进行预处理,获取降维后的影像数据.然后在其基础上提取扩展形态学特征(Extended Morphology Profiles,EMP)和地物表面纹理特征,组成联合光谱和纹理、形状结构特征.最后,采用支持向量机(Support Vector Machine,SVM)分类器对联合特征进行分类.针对不同真实高光谱数据集的实验结果表明,本文提出的方法运算效率高且具有令人满意的分类性能.

关键词：高光谱影像分类、正交投影波段选择(OPBS)、扩展形态学特征(EMP)、三维Gabor滤波器、支持向量机(SVM)

所属期刊栏目：44

分类号：P237(摄影测量学与测绘遥感)

资助基金：河南省重点研发与推广专项项目——高光谱遥感影像分类及并行优化技术研究182102210148

在线出版日期：2021-02-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：38-42