基于高光谱图像的协同分层波谱识别——以兰州、榆林地区为例

• 作者: 刘炜 孙海霞 杨晓波
• 来源期刊: 红外与毫米波学报
• 学科: 地球科学
• 关键词: 星载高光谱图像 导数波谱特征 敏感谱段 同物异谱 多尺度 多谱段SAM
• 年，卷（期）: 2020,（1）
• 页码范围: 99-110
• 页数: 12页
• 分类号: TP751.1|P237.4
• 字数: 12965字
• 语种: 中文
• DOI: 10.11972/j.issn.1001-9014.2020.01.014

摘要

提出协同分层波谱识别法,分别从兰州、榆林市Hyperion高光谱图像上识别9种目标地类,并与SVM监督分类对比.针对Hyperion图像波谱识别的4个难点:光谱信息高保真融合、敏感谱段提取、"椒盐效应"去除、消除"同物异谱"现象导致的误判,协同应用WP-GS融合、导数变换、4尺度面向对象分割和多谱段SAM解决上述难点,并基于Hyperion导数变换图像分析波谱变化特征、提取敏感谱段、从4个尺度层依次识别9种目标地类,然后根据目视评判和定量评价,与综合使用Gram-Schmidt光谱锐化融合/Savitzky-Golay卷积滤波/PCA变换的SVM监督分类结果比较识别精度.实验结果表明WP-GS融合的光谱保真效果优于Gram-Schmidt光谱锐化;4尺度面向对象分割抑制"椒盐效应"的效果优于Savitzky-Golay卷积滤波、移动均值滤波;多谱段SAM利用导数波谱特征能够消除因照度不同对同一类别地物的误判.采用协同分层波谱识别法,兰州市Hyperion图像波谱识别的总体精度、Kappa系数分别为89.52％、0.852,较SVM分类分别提高18.68％和17.52％;榆林市Hyperion图像识别地物的总体精度、Kappa系数分别为91.12％、0.873,较SVM分类分别提高17.80％和16.89％.协同分层波谱识别法应用多种技术一体化解决Hyperion图像应用难点,有效利用导数波谱变化特征提取目标敏感谱段,在复杂环境下识别目标地类的能力优于SVM监督分类.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘炜	西藏民族大学西藏光信息处理与可视化技术重点实验室	29	68	4.0	7.0
2	杨晓波	西藏民族大学西藏光信息处理与可视化技术重点实验室	56	154	7.0	8.0
3	孙海霞	西藏民族大学西藏光信息处理与可视化技术重点实验室	47	174	4.0	12.0