基于多核支持向量机的高光谱影像非线性混合像元分解

被引：13

作者：

谭熊 ^{[1
,2
]}

余旭初 ^{[1
]}

张鹏强 ^{[1
]}

秦进春 ^{[1
]}

机构：

[1] 信息工程大学

[2] 东华理工大学江西省数字国土重点实验室

来源：

光学精密工程 | 2014年 / 07期

关键词：

混合像元分解; 非线性分解; 多核支持向量机; 高光谱影像;

D O I：

暂无

中图分类号：

TP751 [图像处理方法]; TP181 [自动推理、机器学习];

学科分类号：

081002 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

针对基于线性模型分解高光谱影像混合像元分解精度低,而非线性模型难以建立等问题,提出了利用多核支持向量机(MKSVM)的后验概率进行高光谱影像非线性混合像元分解的方法。该方法在支持向量机的基础上,以线性加权组合核函数代替单核函数,采用简单多核学习方法迭代解算权系数来实现分类。然后,通过S型函数将分类器输出值转化为概率;将两两配对概率转换为多类后验概率。最后,利用后验概率实现高光谱影像的非线性混合像元分解。采用该方法对两组推帚式超光谱成像仪(PHI)的高光谱影像进行了对比实验,结果表明:该方法的分类精度分别提高到95.62%和91.51%,均方根误差(RMSE)最小分别为11.15%和7.55%,均小于15%。实验结果显示提出的方法基本消除了混合像元对高光谱影像分类的影响,提高了分类精度。

引用

页码：1912 / 1920

页数：9

共 7 条

[1] 基于稀疏鉴别嵌入的高光谱遥感影像分类 [J].