基于形态学属性剖面的高光谱影像集成分类

编号 zgly0001592477

文献类型 期刊论文

文献题名 基于形态学属性剖面的高光谱影像集成分类

作者 鲍蕊  夏俊士  薛朝辉  杜培军  车美琴 

作者单位 天津市地质调查研究院  卫星测绘技术与应用国家测绘地理信息局重点实验室南京大学  江苏省地理信息技术重点实验室南京大学 

母体文献 遥感技术与应用 

年卷期 2016年04期

年份 2016 

分类号 TP751 

关键词 形态学属性剖面  集成学习  支持向量机  极限学习  高光谱影像分类 

文摘内容 传统高光谱遥感影像逐像素分类方法未考虑像元之间的空间关联性且泛化性能较低。形态学属性剖面是表征影像空间结构的有效方法,同时集成学习可显著提升分类算法的泛化能力。为了在高光谱影像分类中充分利用影像的空间信息并提高分类的稳定性,提出一种基于形态学属性剖面高光谱遥感影像集成学习分类方法。首先,用主成分分析和最小噪声变换进行特征提取,并借助形态学属性剖面获取影像的多重空间特征;然后用极限学习和支持向量机的方法进行分类;最后将多个分类结果以多数投票的方式集成。区别于已有集成学习方法,综合考虑了不同特征提取和不同分类方法的联合集成,并将形态学属性剖面引入其中以充分利用影像的空间信息。采用AVIRIS和ROSIS两组高光谱数据检验该方法的分类性能,实验结果表明该方法可获得高精度和高稳定性的分类结果,总体精度分别达到83.41%和95.14%。