融合空谱特征和集成超限学习机的高光谱图像分类

• 作者: 徐英 谷雨 郭宝峰
• 来源期刊: 测绘学报
• 学科: 地球科学
• 关键词: 高光谱图像分类 空谱特征 超限学习机 集成学习 特征抽样
• 年，卷（期）: 2018,（9）
• 所属期刊栏目: 摄影测量学与遥感
• 页码范围: 1238-1249
• 页数: 12页
• 分类号: P237
• 字数: 6691字
• 语种: 中文

摘要

为提高高光谱图像的分类精度,提出了一种融合空谱特征和集成超限学习机的高光谱图像分类方法.首先结合每个像素邻域的光谱信息提取空谱特征向量;考虑到高光谱相邻波段信息具有一定的相关性,先对提取的特征向量进行平均分组,然后从每个区间随机选择若干个波段进行组合,采用具有快速学习能力的超限学习机训练分类器.为提高分类模型的泛化能力,基于集成学习思想,对提取的空谱特征进行多次抽样,训练得到多个弱分类器,最后采用投票表决法得到用于高光谱图像分类的强分类器.采用3个典型高光谱数据进行了分类试验,试验结果表明,提出的算法总体分类精度较优,尤其当训练样本数较少时能取得较高的分类精度.提出的算法具有可调参数少、训练速度快、分类精度高等优点,具有广阔的应用前景.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谷雨	杭州电子科技大学通信信息传输与融合技术国防重点学科实验室	42	201	7.0	12.0
2	徐英	杭州电子科技大学生命信息与仪器工程学院	13	55	5.0	7.0
3	郭宝峰	杭州电子科技大学通信信息传输与融合技术国防重点学科实验室	22	78	5.0	7.0