基于波段子集的独立分量分析的特征提取的高光谱遥感影像分类

• 作者: 周秋琳 杨敏华 毛军 郭学兰
• 来源期刊: 测绘与空间地理信息
• 学科: 地球科学
• 关键词: 高光谱 特征提取 独立成分分析(ICA) 支持向量机(SVM)
• 年，卷（期）: 2013,（4）
• 所属期刊栏目: 3S技术与应用
• 页码范围: 144-146,149,152
• 页数: 5页
• 分类号: P23
• 字数: 2985字
• 语种: 中文

摘要

针对高光谱影像数据具有波段众多、数据量较大的特点,本文提出了一种基于波段子集的独立分量分析(ICA)特征提取的高光谱遥感影像分类的新方法.以北京昌平小汤山地区的高光谱影像为例,根据高光谱遥感影像的相邻波段的相关性进行子空间划分,在各个波段子集上采用ICA算法进行特征提取,将各个子空间提取的特征合并组成特征向量,采用支持向量机(SVM)分类器进行分类.结果表明:该方法分类精度最佳(分类精度89.04％,Kappa系数0.8605,明显优于其它特征提取方法的SVM分类,有效地提高了高光谱数据的分类精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨敏华	中南大学地球科学与信息物理学院	100	1134	19.0	30.0
2	周秋琳	中南大学地球科学与信息物理学院	2	9	2.0	2.0
3	郭学兰	中南大学地球科学与信息物理学院	2	11	2.0	2.0
4	毛军	中南大学地球科学与信息物理学院	2	11	2.0	2.0