PCA与移动窗小波变换的高光谱决策融合分类

摘要：

目的 高光谱数据具有较高的谱间分辨率和相关性,给分类处理带来了一定的困难.为了提高分类精度,提出一种结合PCA与移动窗小波变换的高光谱决策融合分类算法.方法 首先,利用相关系数矩阵对原始高光谱数据进行波段分组;然后,利用主成分分析对每组数据进行谱间降维;再根据提出的移动窗小波变换法进行空间特征提取;最后,采用线性意见池(LOP)决策融合规则对多分类器的分类结果进行融合.结果 采用两组来自不同传感器的数据进行实验,所提算法的分类精度和Kappa系数均高于已有的5种分类算法.与SVM-RBF算法相比,本文算法的分类精度高出了8％左右.结论 实验结果表明,本文算法充分挖掘了高光谱图像的谱间-空间信息,能有效提高分类正确率,在小样本情况下和噪声环境中也具有良好的分类性能.

关键词：高光谱分类、主成分分析、小波变换、决策融合

所属期刊栏目：20

分类号：TP751(遥感技术)

资助基金：国家自然科学基金项目61171154,61420106007

在线出版日期：2015-02-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：132-139