综合聚类和上下文特征的高光谱影像分类

摘要：

常规高光谱影像逐像素分类往往没有考虑空间相关性,分类结果未体现地物的空间关联和分布特征.为了在分类中充分利用空间特征,利用聚类信息并结合隐马尔可夫随机场模型讨论了高光谱遥感影像光谱-空间分类方法.首先,在不同特征提取方法(最小噪声分离、独立成分分析和主成分分析)下,使用不同聚类方法k-均值、迭代自组织分析算法和模糊c-均值算法)借助隐马尔可夫随机场获取优化的分割图;然后,采用4连通区域标记法对分割区域标记生成图像对象,并根据支持向量机的逐像素分类结果采用多数投票法对图像对象进行分类;最后,借助凹槽窗口邻域滤波技术改进分类结果,削弱“椒盐”现象.该方法综合了监督分类和非监督分类的优势,通过聚类引入地物空间相关性信息,通过隐马尔可夫随机场引入上下文特征,较好地弥补了单纯基于光谱信息分类的不足.

关键词：聚类、隐马尔可夫随机场、支持向量机、高光谱影像、光谱-空间分类、多数投票

所属期刊栏目：42

分类号：TP751(遥感技术)

资助基金：江苏省杰出青年基金BK2012018;国家重大科学仪器设备开发专项012YQ050250.The Jiangsu province Science Fund for Distinguished Young Scholars,No.BK2012018;the National Key Scientific Instrument and Equipment Development Project,No.012YQ050250

在线出版日期：2017-08-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：890-896