基于降维Gabor特征和决策融合的高光谱图像分类

• 作者: 杨秀杰 高丽
• 来源期刊: 计算机应用研究
• 关键词: 高光谱图像 分类 Gabor特征 高斯混合模型 决策融合 PCA投影
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 图形图像技术
• 页码范围: 928-931
• 页数: 4页
• 分类号: TP751
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2018.09.0670

摘要

针对传统高光谱图像分类算法忽略空间特征这个问题,提出一种基于Gabor特征和决策融合的高光谱图像分类算法.首先,通过系数相关矩阵智能地对相邻和高相关光谱带进行分组;接着,在PCA投影子空间中提取每组中的Gabor特征,以量化局部方向和尺度特征;然后,结合保留非负矩阵分解的局部性以减少这些特征子空间的维度;最后,对降维特征进行高斯混合模型分类,并使用对数分类池决策融合规则将分类结果合并.实验结果表明,所提算法优于传统和现有的共计八种先进的分类算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨秀杰	重庆电子工程职业学院数字媒体学院	17	31	4.0	5.0
2	高丽	西南大学学生工作处	6	6	2.0	2.0