基于近邻协同的高光谱图像谱-空联合分类

• 作者: 倪鼎 马洪兵
• 来源期刊: 自动化学报
• 关键词: 分类 高光谱图像 特征提取 空间滤波 近邻协同
• 年，卷（期）: 2015,（2）
• 页码范围: 273-284
• 页数: 12页
• 字数: 8556字
• 语种: 中文
• DOI: 10.16383/j.aas.2015.c140043

摘要

遥感高光谱成像能够获得丰富的地物光谱信息,为高精度的地物分析提供了可能。针对高光谱图像分类中通常面临的数据维数高、标记样本少、计算量大等问题,提出了一种简单有效的谱–空联合分类方法。利用高光谱图像丰富的光谱信息和地物分布的空间平滑特性,该算法首先对光谱数据进行特征提取和空间滤波,然后利用本文提出的基于近邻协同的支持向量机(Neighborhood collaborative support vector machine, NC-SVM)进行分类。近邻协同进一步利用地物分布的空间平滑特性,通过联合空间近邻的判决信息进行中心像素的类别判定,有效减小了只有少量训练样本下的错分概率。实验表明,相比已有的相关方法,该算法在不明显增加计算量的情况下可获得更高的分类正确率,能够实现少量训练样本下高光谱图像的快速高精度分类。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马洪兵	清华大学电子工程系	13	74	4.0	8.0
2	倪鼎	清华大学电子工程系	2	28	2.0	2.0