空谱特征分层融合的高光谱图像特征提取

编号 zgly0001683742

文献类型 期刊论文

文献题名 空谱特征分层融合的高光谱图像特征提取

作者 姚本佐  何芳 

作者单位 安徽公安职业学院  火箭军工程大学核工程学院 

母体文献 国土资源遥感 

年卷期 2019年03期

年份 2019 

分类号 TP391.41 

关键词 空谱特征  分层融合  分层融合-主成分分析  高光谱图像分类 

文摘内容 利用基于光谱维的特征提取方法将原始高光谱图像数据降到一定维数,对降维后的数据采用多尺度自适应加权滤波器(adaptive weighted filters,AWF)进行滤波,将在所有尺度上得到的滤波结果分层融合为新的图像,设计了分层融合框架,有效提取出了高光谱图像中重要的空谱特征,从而提高了分类精度。又将主成分分析(principal component analysis,PCA)算法融入到该框架中,提出了分层融合-主成分分析(hierarchical fusion principal component analysis,HF-PCA)算法。该方法不仅降低了波段间的冗余性,而且削弱了样本的类内差异性,提高了高光谱图像的分类精度。在Indian Pines和Salinas数据库上的实验结果表明,即使在训练样本数量较少的情况下,由HFPCA算法得到的分类精度明显高于其他算法,2种数据总体分类精度的最大值分别为86. 73%和95. 01%,有效提高了高光谱图像的分类精度。