谐波分析光谱角制图高光谱影像分类

被引：13

作者：

杨可明

刘飞

孙阳阳

魏华锋

史钢强

机构：

[1] 中国矿业大学地球科学与测绘工程学院

来源：

中国图象图形学报 | 2015年 / 20卷 / 06期

关键词：

高光谱遥感; 高光谱影像分类; 光谱角制图; 谐波分析; 能量谱;

D O I：

暂无

中图分类号：

TP751 [图像处理方法];

学科分类号：

081002 ;

摘要：

目的针对光谱角制图(SAM)分类算法对高光谱像元光谱曲线的局部特征和其辐射强度不敏感,而且易受噪声和维数灾难影响,致使分类效率低和精度较差等缺陷,将谐波分析(HA)技术引入到SAM高光谱影像分类中,提出一种基于谐波分析的光谱角制图(HA-SAM)高光谱影像分类算法。方法利用HA技术将高光谱影像从光谱维变换到能量谱特征维空间,并提取低次谐波分量及特征系数(谐波余项、相位和振幅),用特征系数组成的向量代替光谱向量,对高光谱影像进行SAM分类。结果将SAM和HA-SAM同时应用于EO-1卫星的Hyperion高光谱影像分类,通过对比和分析,验证了HA-SAM的优越性,再选择AVIRIS(airborne visible infrared imaging spectrometer)高光谱影像对HA-SAM进行验证,结果表明该算法具有较强的普适性。结论 HA-SAM提高了传统SAM高光谱影像分类的效率和精度,而且适用性较强具有良好的应用前景。

引用

页码：836 / 844

页数：9

共 11 条

[1]

结合空间信息与光谱信息的高光谱图像分类研究.[D].肖倩.哈尔滨工程大学.2013, 04

[2] 高光谱影像的谐波分析融合算法研究 [J].

杨可明 ;

张涛 ;

王立博 ;

钱小丽 ;

刘士文 ;

王林伟 .

中国矿业大学学报, 2014, (03) :547-553

[3] 高光谱影像小目标谐波分析探测模型 [J].

杨可明 ;

薛朝辉 ;

贾涛涛 ;

张涛 ;

王立博 .

测绘学报, 2013, (01) :34-43

[4] 训练样本数目选择对面向对象影像分类方法精度的影响 [J].

薄树奎 ;

丁琳 .

中国图象图形学报, 2010, (07) :1106-1111

[5] 基于多波段分析的无阈值自动光谱角制图分类法 [J].

樊彦国 ;

李翔宇 ;

张磊 ;

孙元芳 .

地理与地理信息科学, 2010, 26 (02) :38-41+113

[6] 结合光谱角的最大似然法遥感影像分类 [J].

陈亮 ;

刘希 ;

张元 .

测绘工程, 2007, (03) :40-42+47

[7] 一种基于多层前向神经网络的谐波检测方法 [J].

汤胜清 ;

程小华 .

中国电机工程学报, 2006, (18) :90-94

[8] 光谱角制图模型的误差源分析与改进算法 [J].

唐宏 ;

杜培军 ;

方涛 ;

施鹏飞 .

光谱学与光谱分析, 2005, (08) :1180-1183

[9]

A curve fitting procedure to derive inter-annual phenologies from time series of noisy satellite NDVI data.[J].Bethany A. Bradley;Robert W. Jacob;John F. Hermance;John F. Mustard.Remote Sensing of Environment.2006, 2

[10]

高光谱遥感.[M].张良培; 张立福; 编著.武汉大学出版社.2005,

← 1 2 →