综合纹理特征的高光谱遥感图像分类方法

被引：5

作者：

吴昊

机构：

[1] 中国西南电子技术研究所

来源：

计算机工程与设计 | 2012年 / 33卷 / 05期

关键词：

高光谱遥感图像; 分类; 支持向量机; 纹理特征; Gabor滤波; 主成分分析;

D O I：

10.16208/j.issn1000-7024.2012.05.007

中图分类号：

TP751 [图像处理方法];

学科分类号：

摘要：

提出了一种基于Gabor滤波的高光谱遥感图像支持向量机(SVM)分类方法,通过将Gabor滤波器组产生的纹理特征引入SVM分类,不仅充分利用了SVM适于解决高维数据分类问题的优势,而且在分类过程中实现了空间结构信息和光谱信息的综合使用,有效利用了高光谱图像"图谱合一"的特性。采用中科院上海技术物理研究所研制的模块化成像光谱仪OMIS(operative modular imaging spectrometry)真实数据进行的实验,实验结果表明,该方法提高了分类效果,分类结果更具有空间连贯性,并且能有效地克服噪声的影响。

引用

页码：1993 / 1996+2006 +2006

页数：5

共 11 条

[1]

Composite kernels for hyperspectral image classification. G. Camps-Valls,L. Geomez-Chova,J. Vila-Franceset al. IEEE Geosciences and Remote Sensing Letters . 2006

[2]

基于机器学习的高维多光谱数据分类[D]. 夏建涛.西北工业大学 2002

[3]

Pattern Classification and Scene Analysis. Duda RO,Hart PE. . 1973

[4]

Unsupervised texture segmentation using Gabor filters. Jain AK,Farrokhnia F. Pattern Recognition . 1991

[5]

Spectral and Spatial Classification of Hyperspectral Data Using SVMs and Morphological Profiles. Fauvel, M,Benediktsson, J.A,Chanussot, J,Sveinsson, J.R. IEEE Transactions on Geoscience and Remote Sensing . 2008

[6]

高光谱遥感[M]. 高等教育出版社 , 童庆禧,张兵,郑兰芬编著, 2006

[7]

Uncertainty relation for resolution in space, spatial frequency, and orientation optimized by two-dimensional visual cortical filters. Daugman JG. Journal of the Optical Society of America A: Optics, Image Science and Vision . 1985

[8]

Urban land cover mapping by spatial-spectral feature analysis ofhigh resolution hyperspectral data with decision directed acyclicgraph SVM. Huang Y Cheng,Li Pingxiang,Zhang Liangpei,et al. Proceedings of the Joint Urban RemoteSensing Event . 2009

[9]

数据挖掘中的新方法[M]. 科学出版社 , 邓乃扬,田英杰著, 2004

[10]

数据挖掘中的新方法[M]. 科学出版社 , 邓乃扬,田英杰著, 2004

← 1 2 →