加权空-谱主成分分析的高光谱图像分类

编号 zgly0001675938

文献类型 期刊论文

文献题名 加权空-谱主成分分析的高光谱图像分类

作者 阿茹罕  何芳  王标标 

作者单位 西安培华学院会计与金融学院  火箭军工程大学核工程学院  96862部队 

母体文献 国土资源遥感 

年卷期 2019年02期

年份 2019 

分类号 TP751 

关键词 高光谱图像分类  加权空-谱主成分分析  降维 

文摘内容 为了提高高光谱图像的分类精度,有效利用高光谱图像的空间信息和光谱信息对高光谱图像进行预处理,提出了一种新的空-谱联合降维方法——加权空-谱主成分分析(weighted spatial spectral principle component analysis,WSSPCA)算法。该算法结合高光谱图像的物理特性对高光谱图像进行重构,平滑了高光谱图像中存在的奇异点干扰;然后,采用主成分分析(principle component analysis,PCA)方法对重构后的图像进行降维,降低了波段间的冗余性,有利于后续分类。在2组常用的高光谱数据集Pavia U和Indian Pines上进行实验结果表明,训练样本随机选取每一类地物的5%和10%的情况下,由WSSPCA算法得到的Kappa系数最大值分别达到了0. 955 9和0. 896 1,较基准线分别提高了0. 193 8和0. 205 0,分类结果明显优于其他算法。