基于特征加权的高光谱图像融合分类

• 作者: 孙丙宇 李文波 汪超永
• 来源期刊: 计算机系统应用
• 关键词: 支持向量机 高光谱图像 特征加权 一阶直方图 组合核函数
• 年，卷（期）: 2015,（9）
• 页码范围: 225-229
• 页数: 5页
• 字数: 3927字
• 语种: 中文

摘要

在对高光谱图像监督分类中，传统的监督学习方法对高光谱数据进行分类时需要获取足够的有标记样本作为训练样本，这样可以有效的避免 Hughes 效应。实际情况下的高光谱数据拥有较多的波段和相对较小的训练样本集给传统的遥感图像分类方法带来了挑战。因此，提出了一种基于特征组合以及特征加权的高光谱图像分类算法，针对纹理特征分析难度较大的现实，利用一阶直方图的统计特征描述图像纹理特征，通过类内散度矩阵的逆矩阵作为特征加权矩阵构造组合核函数将高光谱光谱特征和空间特征融合起来，同时利用特征加权的方法用于提高小训练样本的监督分类精度。实验结果表明，本文所提的方法对小样本的高光谱数据分类具有良好的效果。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙丙宇	中国科学院合肥智能机械研究所	31	121	7.0	9.0
2	李文波	中国科学院合肥智能机械研究所	22	476	8.0	21.0
3	汪超永	中国科学技术大学自动化系	3	4	1.0	2.0