基于图像重构特征融合的高光谱图像分类方法
针对传统的高光谱遥感图像分类方法未能充分利用空间信息,提出一种基于高光谱图像重构特征融合的分类方法.该方法首先将图像的每个像素点进行LBP(Local Binary Patterns)特征提取,得到每个像素点的LBP特征值;其次提取出每个像素点的空间邻域块,按照图像已知的标签信息去除每个空间邻域块中冗余的背景像素点,得到新的空间邻域块,利用光谱距离得到每个像素点的权重值并计算重构特征值;然后,将像素点的LBP特征值和重构特征值进行叠加融合,获得重构特征融合值;最后,采用K最近邻分类器将像素点进行分类,根据测试样本点和训练样本点的欧氏距离判断测试样本点的类别.在Indian Pines和Pavia University数据集上进行实验.实验结果表明,所提方法的分类精度分别达到99.06%和99.73%.
遥感、高光谱遥感、LBP特征、空间邻域块、特征融合
48
TP751.1;P407.8(遥感技术)
国家自然科学基金;重庆市基础研究与前沿探索项目;研究生科研创新项目
2021-07-26(万方平台首次上网日期,不代表论文的发表时间)
共10页
197-206