PCA与移动窗小波变换的高光谱决策融合分类

• 作者: 何明一 叶珍
• 来源期刊: 中国图象图形学报
• 学科: 工学
• 关键词: 高光谱分类 主成分分析 小波变换 决策融合
• 年，卷（期）: 2015,（1）
• 所属期刊栏目: 遥感图像处理
• 页码范围: 132-139
• 页数: 8页
• 分类号: TP751
• 字数: 4957字
• 语种: 中文
• DOI: 10.11834/jig.20150114

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何明一	西北工业大学电子信息学院	122	1497	22.0	33.0
2	叶珍	西北工业大学电子信息学院	2	17	2.0	2.0