递归滤波与KNN的高光谱遥感图像分类方法

• 作者: 周瑶 张国云 张晓飞 涂兵 王锦萍
• 来源期刊: 国土资源遥感
• 学科: 工学
• 关键词: 高光谱图像 递归滤波 KNN 主成分分析 欧式距离
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 技术方法
• 页码范围: 22-32
• 页数: 11页
• 分类号: TP79
• 字数: 5844字
• 语种: 中文
• DOI: 10.6046/gtzyyg.2019.01.04

摘要

为了有效去除高光谱图像中的噪声,强化空间结构,充分利用地物目标的空间上下文信息,提升高光谱图像的分类精度,提出一种基于递归滤波(recursive filtering,RF)和KNN(k-nearest neighbor)算法的高光谱图像分类方法.首先,利用主成分分析法对高光谱图像进行降维;其次,通过RF算法对降维后的主成分图像进行滤波,以增强遥感图像的轮廓特征;然后,采用KNN算法计算测试样本与不同类别训练样本的欧式距离,根据比较k个最小欧式距离的平均值得到测试样本所属类别;最后,在2个典型的数据库上进行实验验证,并分析所提算法中不同参数对分类精度的影响.实验结果表明,RF算法可以有效地去除噪声点,强化图像轮廓,与其他高光谱图像分类方法相比,该方法在分类准确性方面表现突出.