高光谱图像滚动引导递归滤波与地物分类
高光谱图像类内光谱变化较大,“同物异谱”现象普遍存在.利用原始地物光谱特征进行分类精度较低而且分类结果图中存在“椒盐现象”.为了获得好的分类结果,必须充分利用高光谱图像的光谱信息和空间信息,减少类内的光谱变化,并扩大类别间的光谱差异.为此,提出一种滚动引导递归滤波的高光谱图像光谱—空间分类方法.首先,利用主成分分析对高光谱图像进行降维;然后,利用高斯滤波对输入图像进行模糊化,消除图像中的噪声和小尺度结构;接下来,将模糊化后的图像作为引导图像,对输入图像进行边缘保持递归滤波,输出结果作为新的引导图像,重复迭代这个过程直至大尺度边缘被恢复;最后,利用提取的特征波段和支持向量机对高光谱图像进行分类.在两个真实高光谱数据集上进行了分类实验,结果表明本文方法的分类精度优于其他的高光谱图像分类方法.在训练样本极少的情况下,本文方法也能获得较高的分类精度.
高光谱图像分类、滚动引导递归滤波、特征提取、主成分分析
23
国家重点研发计划2017YFC1405600;国家青年科学基金41406200;山东省自然科学基金ZR2014DQ030
2019-06-21(万方平台首次上网日期,不代表论文的发表时间)
共12页
431-442