基于边缘保持滤波的高光谱影像光谱-空间联合分类
针对高光谱遥感影像分类过程中,高维数据引起的“维数灾难”以及空间邻域一致性信息没有得到充分利用的问题,提出一种基于边缘保持滤波(Edge-preserving filtering,EPF)的高光谱影像光谱-空间联合分类算法.该算法首先进行波段子集划分和主成分提取,构造新的低维特征集,在保存影像结构信息的前提下降低数据维度;其次利用支持向量机(Support vector machine,SVM)获得低维特征集的初始分类概率图;然后利用原始影像主成分对初始分类概率图进行边缘保持滤波,融合光谱信息和空间信息;最后根据滤波后分类概率图对应像素点值的大小确定每个像素的类别.在Indian Pines和Pavia University两组高光谱数据上进行仿真实验,相同实验条件下,本文算法都获得最高分类精度和最少的时间消耗.仿真结果表明本文算法在高光谱遥感影像分类任务中具有明显的优势.
高光谱、边缘保持滤波、支持向量机、光谱-空间联合分类
44
国家自然科学基金61773087,61374154;中央高校基本科研业务费重点类项目DUT17ZD216;国家自然科学基金委科学仪器基础研究专项51327004资助 Supported by National Natural Science Foundation of China61773087,61374154;Fundamental Research Funds for the Central UniversitiesDUT17ZD216;Special Fund for Basic Research on Scientific Instruments of the National Natural Science Foundation of China51327004
2018-05-30（万方平台首次上网日期，不代表论文的发表时间）
共9页
280-288
