结合分水岭分割的合成核SVM高光谱分类

• 作者: 杨明 赵振凯
• 来源期刊: 数据采集与处理
• 学科: 工学
• 关键词: 图像分类 高光谱图像 分水岭分割 空间近邻 合成核支持向量机
• 年，卷（期）: 2018,（1）
• 页码范围: 132-143
• 页数: 12页
• 分类号: TP751
• 字数: 6751字
• 语种: 中文
• DOI: 10.16337/j.1004-9037.2018.01.015

摘要

高光谱图像丰富的光谱信息使其在目标检测、地物分类等领域都具有重要应用,分类作为高光谱应用的重要中间步骤引起了广泛关注.高光谱图像空间信息刻画了光谱像素点与近邻关系,可以较好地弥补单纯使用光谱信息难以解决的同物异谱、同谱异物以及高维小样本等问题.传统预处理方式空间信息的使用是基于固定结构(如方窗)选择空间近邻以计算空间特征辅助分类,但会因窗口大小而影响空间特征质量.为此本文提出了结合分水岭分割的合成核支持向量机(Support vector machine,SVM)高光谱分类,根据分水岭分割图自适应选择优质的空间近邻,然后通过合成核SVM有效地把空间信息融入到原光谱信息分类中.实验表明,本文方法更好地利用了空间信息,实现在少量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	杨明	南京师范大学计算机学院	58	1074	15.0	32.0
2	赵振凯	南京师范大学计算机学院	2	3	1.0	1.0