联合改进LBP和超像素级决策的高光谱图像分类

摘要：

高光谱图像在有标签样本数目较少的情况下进行分类时,除了利用光谱特征外,空间纹理特征也是必不可少的.本文提出了一种利用多尺度多方向局部二值模式(LBP)描述子获取纹理特征,并结合超像素级指导决策的支持向量机分类方法.首先,本文方法将传统LBP描述子改进为多尺度多方向LBP描述子,一方面充分考虑了邻域像素之间的关系,另一方面在计算时分别考虑了水平垂直方向和对角方向.其次,在利用统计直方图获得纹理特征时,采用了多个尺寸窗口组合的方式,以获得多范围、高精度的纹理特征.第三,对传统的简单线性迭代聚类(SLIC)超像素分割方法进行改进,重新定义了光谱距离并引入了纹理特征距离,获得更精确的超像素分割图.最后,利用超像素分割图结合多数投票策略,对分类结果进行进一步的指导校正.实验表明,本文方法能够更有效的提取纹理特征,再结合超像素分割图的指导决策,进一步提升高光谱图像的分类性能.

关键词：高光谱图像、局部二值模式、纹理特征、超像素分割、简单线性迭代聚类

所属期刊栏目：39

分类号：O175.1(数学分析)

资助基金：国家自然科学基金;国家民委领军人才项目

在线出版日期：2023-03-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：61-72