空谱特征分层融合的高光谱图像特征提取

• 作者: 何芳 姚本佐
• 来源期刊: 国土资源遥感
• 学科: 工学
• 关键词: 空谱特征 分层融合 分层融合-主成分分析 高光谱图像分类
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 技术方法
• 页码范围: 59-64
• 页数: 6页
• 分类号: TP751
• 字数: 3938字
• 语种: 中文
• DOI: 10.6046/gtzyyg.2019.03.08

摘要

利用基于光谱维的特征提取方法将原始高光谱图像数据降到一定维数,对降维后的数据采用多尺度自适应加权滤波器(adaptive weighted filters,AWF)进行滤波,将在所有尺度上得到的滤波结果分层融合为新的图像,设计了分层融合框架,有效提取出了高光谱图像中重要的空谱特征,从而提高了分类精度.又将主成分分析(principal component analysis,PCA)算法融入到该框架中,提出了分层融合-主成分分析(hierarchical fusion principal compo-nent analysis,HF-PCA)算法.该方法不仅降低了波段间的冗余性,而且削弱了样本的类内差异性,提高了高光谱图像的分类精度.在Indian Pines和Salinas数据库上的实验结果表明,即使在训练样本数量较少的情况下,由HF-PCA算法得到的分类精度明显高于其他算法,2种数据总体分类精度的最大值分别为86.73％和95.01％,有效提高了高光谱图像的分类精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何芳	火箭军工程大学核工程学院	6	32	3.0	5.0
2	姚本佐		13	4	1.0	1.0