基于多融合多尺度特征的高光谱图像分类研究

• 作者: 潘绍明
• 来源期刊: 激光杂志
• 关键词: 多尺度 高光谱图像 分类 光谱特征 空间特征 多融合
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 图像处理
• 页码范围: 110-114
• 页数: 5页
• 分类号: TN209
• 语种: 中文
• DOI: 10.14016/j.cnki.jgzz.2021.02.110

摘要

针对高光谱图像(HSI)波段之间的冗余性给高光谱图像分类结果产生的不利影响,研究基于多融合多尺度特征的高光谱图像分类方法.将采用于主成分分析降维处理的HSI数据作为多尺度特征多融合残差网络输入,利用多尺度特征多融合残差块提取HSI中的光谱特征和空间特征,并组成若干组光谱-空间特征;采用支持向量机展开分类处理,获取各光谱-空间特征的概率输出结果和权重,建立多特征加权概率融合模型,利用最大后验概率获取高光谱图像分类结果.实验结果表明:光谱-空间多尺度特征融合残差块数量为2+2模式、空间输入尺寸大小为9 × 9,可获取最佳多尺度特征融合残差网络;所提方法抗噪能力较好,可较好体现地物细节信息;且具备较高的高光谱图像分类精度.