基于多特征多分辨率融合的高光谱图像分类

被引：7

作者：

张钧萍

张晔

机构：

[1] 哈尔滨工业大学信息工程系

[2] 哈尔滨工业大学信息工程系黑龙江哈尔滨

[3] 黑龙江哈尔滨

来源：

红外与毫米波学报 | 2004年 / 05期

关键词：

图像分类; 高光谱图像; 多分辨率融合; 特征提取;

D O I：

暂无

中图分类号：

TN911.73 [图像信号处理];

学科分类号：

0711 ; 080401 ; 080402 ;

摘要：

由于数据维数高 ,利用高光谱数据对地物进行分类 ,常规方法难以获得令人满意的结果 .在基于小波多分辨率融合方法进行特征图像的提取过程中 ,提出了利用多个空间特征所构成的特征矢量确定多分辨率融合权值的算法 ,有效地降低了原始图像的数据维并获得了用于后续分类的特征图像 .对AVIRIS数据进行的实验表明 ,利用新方法提取的特征进行分类 ,获得了高于传统方法确定融合权值的结果 .

引用

页码：345 / 348

页数：4

共 10 条

[1]

Percep tual basedimagefusionforhyperspectraldata. WilsonTerryA,RogersStevenK,MatthewKabrisky. IEEETrans.OnG .RS . 1998

[2]

Supervisedclassificationinhigh dimensionalspace:geometrical,statistical,andasymp toticalpropertiesofmultivariatedata. JimenezLuisO,LandgrebeDavidA. IEEETrans.onSys tem,Man,Cybern . 1998

[3]

Ontherelationshipbetweenclassdefinitionprecisionandclassificationaccuracyinhyperspectralanalysis. LandgrebeDavidA. IGARSS’’2000 .

[4]

Hyperspectralimageclassi ficationanddimensionalityreduction:anorthogonalsubspaceprojectionapproach. HarsanyiJosephC,ChangCheinI. IEEETrans.onG .R .S . 1994

[5]

Segmentedprincipalcompo nentstransformationforefficienthyperspectralremote-sensingimagedisplayandclassification. JiaXiuPing,RichardsJohnA. IEEETrans.OnG .R .S . 1999

[6]

Segmentedprincipalcompo nentstransformationforefficienthyperspectralremote-sensingimagedisplayandclassification. JiaXiuPing,RichardsJohnA. IEEETrans.OnG .R .S . 1999

[7]

Adaptivesub spacedecompositionforhyperspectraldatadimensionalityreduc tion. ZhangYe,DesaiMD,ZhangJunPing,etal. ICIP99 .

[8]

Classificationofhyperdimensionaldatabasedonfeatureanddecisionfusionap prochesusingprojectionpursuit,majorityvoting,andneuralnetworks. JimenezLuisO,MorellAM,CreusAntonio. IEEETrans.OnG .R .S . 1999

[9]

Classificationofmultisourceandhyperspectraldatabasedondecisionfusion. BenediktssonJA,KanellopoulosI. IEEETrans.OnG .R .S . 1999

[10]

Hyperspectralimagemultiresolutionfusionbasedonlocalinformationentropy. ZhangJunPing,ZhangYe. ChineseJournalofElectronics . 2002

← 1 →