小样本的高光谱图像降噪与分类

• 作者: 崔宾阁 谢小云 马秀丹
• 来源期刊: 遥感学报
• 学科: 工学
• 关键词: 高光谱图像分类 特征提取 稀少样本 稀疏与低秩 矩阵分解
• 年，卷（期）: 2017,（5）
• 所属期刊栏目: 基础理论
• 页码范围: 728-738
• 页数: 11页
• 分类号: TP751
• 语种: 中文

摘要

在样本数目稀少情况下实现高光谱图像精细分类是个挑战性的问题.高光谱图像信噪比提高比较困难,噪声大小对分类结果有最直接的影响.利用高光谱图像相邻波段之间的相关性和相邻像素之间的相关性,提出多级降噪滤波的高光谱图像分类方法,通过改进的两阶段稀疏与低秩矩阵分解方法,去除高光谱图像中能量较高的噪声,利用主成分分析方法去除高光谱图像中能量较低的噪声,引导滤波方法去除分类结果图中的“椒盐噪声”.选取两幅真实高光谱图像进行实验,结果表明,两阶段稀疏与低秩矩阵分解法和主成分分析法两种降噪方法具有较强的互补性;引导滤波方法使得分类图更加平滑且分类精度更高.与其他光谱空间分类方法相比,本文方法分类精度更高,且在样本极少时能获得很高的分类精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	崔宾阁	山东科技大学计算机科学与工程学院	18	80	5.0	8.0
2	马秀丹	山东科技大学计算机科学与工程学院	5	22	2.0	4.0
3	谢小云	山东科技大学计算机科学与工程学院	1	14	1.0	1.0