一种基于改进双边滤波的鲁棒高光谱遥感图像特征提取方法

• 作者: 姜鑫维 江俊君 白露 蔡之华 陈志坤
• 来源期刊: 武汉大学学报（信息科学版）
• 学科: 地球科学
• 关键词: 分类选优 双边滤波 高光谱遥感图像 特征提取
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 学术论文
• 页码范围: 504-510
• 页数: 7页
• 分类号: P237|TP394.1
• 语种: 中文
• DOI: 10.13203/j.whugis20180267

摘要

双边滤波(bilateral filtering,BF)是一种简单有效的高光谱遥感图像(hyperspectral image,HSI)特征提取算法.该算法在非结构相似像素空间距离近时会被分配较大权重,从而降低加权限制效果.提出一种分类选优的双边滤波算法(classified optimization bilateral filtering,COBF),从相邻像素集内选择类别结构最相似的像素组成新的相邻像素集,确保新的相邻像素集中用于加权平均的相邻像素尽可能相似,以提高特征提取效果.使用支持向量机(support vector machine,SVM)对COBF提取的HSI特征分类以验证其有效性.结果 显示,当训练样本数量只有10个时,Indian Pines、Salinas和PaviaU的分类精度分别高达83.8％、96.0％和90.6％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	江俊君	哈尔滨工业大学计算机科学与技术学院	1	0	0.0	0.0
2	白露	北京理工大学管理与经济学院	1	0	0.0	0.0