基于随机森林的高光谱遥感图像分类

• 作者: 任越美 李垒
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 高光谱图像 图像分类 随机森林 独立成分分析
• 年，卷（期）: 2016,（24）
• 所属期刊栏目: 图形图像处理
• 页码范围: 189-193
• 页数: 5页
• 分类号: TP391
• 字数: 4587字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1503-0255

摘要

为了充分利用高光谱图像的光谱信息和空间结构信息,提出了一种新的基于随机森林的高光谱遥感图像分类方法,首先,利用主成分分析降低数据的维数,并对主成分进行独立成分分析提取其光谱特征,同时消除像元的空间相关性,再采用形态学分析提取像元的空间结构特征,然后,根据像元的谱域和空域特征分别构造随机森林,并引入空间连续性对像元点的预测结果进行约束修正,最后由投票机制决定最后的分类结果.在AVIRIS和ROSIS高光谱图像上的实验结果表明,所提方法的分类性能要优于传统的高光谱图像分类方法,且分类精度高于基于单一特征的方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李垒	河南工业职业技术学院计算机工程系	21	57	5.0	7.0
2	任越美	河南工业职业技术学院计算机工程系	17	181	6.0	13.0