本文選題：譜-空-紋 + 特征融合��； 參考：《系統(tǒng)科學(xué)與數(shù)學(xué)》2017年10期

【摘要】：文章提出了一種融合光譜信息,空間信息和紋理信息的高光譜影像分類方法.首先采用主成分分析降低高光譜影像的維度,然后利用灰度共生矩陣從各主成分提取紋理信息,并根據(jù)數(shù)學(xué)形態(tài)學(xué)特征和光譜信息定義了一種融合譜-空-紋的相似度距離,最后通過偽近鄰(pseudo nearest neighbor,PNN)分類器對(duì)影像地物進(jìn)行分類.為了說明所提出方法的有效性,文章對(duì)兩個(gè)常用的具有不同空間分辨率和光譜分辨率的真實(shí)高光譜影像數(shù)據(jù)集進(jìn)行了相應(yīng)的實(shí)驗(yàn),試驗(yàn)結(jié)果和比較結(jié)果表明,利用所提出的方法可以得到較高的分類精度.
[Abstract]:In this paper, a classification method of hyperspectral images based on spectral information, spatial information and texture information is proposed. Firstly, the dimension of hyperspectral image is reduced by principal component analysis (PCA), then texture information is extracted from each principal component by gray level co-occurrence matrix, and a similarity distance between fusion spectrum and space-stripe is defined according to mathematical morphological features and spectral information. Finally, pseudo nearest neighbor classifier is used to classify the image features. In order to illustrate the effectiveness of the proposed method, two commonly used hyperspectral image data sets with different spatial and spectral resolutions are tested. By using the proposed method, higher classification accuracy can be obtained.
【作者單位】： 遼寧師范大學(xué)城市與環(huán)境學(xué)院;
【基金】：國(guó)家自然科學(xué)基金(41771178,61772252) 廣東省數(shù)學(xué)與交叉科學(xué)普通高校重點(diǎn)實(shí)驗(yàn)室開放課題資助課題
【分類號(hào)】：TP751

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 范冬娟;張韶華;;高光譜影像反射率反演方法的研究[J];海洋測(cè)繪;2006年03期

2 甘甫平;王潤(rùn)生;;高光譜遙感技術(shù)在地質(zhì)領(lǐng)域中的應(yīng)用[J];國(guó)土資源遙感;2007年04期

3 余旭初;楊國(guó)鵬;馮伍法;周欣;;基于簡(jiǎn)約集支持向量機(jī)的高光譜影像分類[J];計(jì)算機(jī)科學(xué);2010年11期

4 李新雙;張良培;李平湘;吳波;;基于小波分量特征值匹配的高光譜影像分類[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2006年03期

5 楊可明;陳云浩;郭達(dá)志;蔣金豹;;基于高光譜影像的小麥條銹病光譜信息探測(cè)與提取(英文)[J];光子學(xué)報(bào);2008年01期

6 蘇俊英;舒寧;;一種基于非線性增益小波濾波的高光譜影像去噪技術(shù)研究[J];遙感技術(shù)與應(yīng)用;2008年04期

7 楊可明;李慧;郭達(dá)志;;基于最佳小波包基的高光譜影像特征制圖[J];測(cè)繪學(xué)報(bào);2008年01期

8 楊國(guó)鵬;余旭初;劉偉;陳偉;;基于支持向量機(jī)的高光譜影像分類研究[J];計(jì)算機(jī)工程與設(shè)計(jì);2008年08期

9 董超;趙慧潔;;關(guān)聯(lián)向量機(jī)在高光譜影像分類中的應(yīng)用[J];遙感學(xué)報(bào);2010年06期

10 馮海亮;潘競(jìng)文;黃鴻;;半監(jiān)督鄰域保持嵌入在高光譜影像分類中的應(yīng)用[J];計(jì)算機(jī)科學(xué);2014年S1期

相關(guān)會(huì)議論文 前5條

1 于美嬌;董廣軍;張永生;紀(jì)松;楊靖宇;;一種基于極大后驗(yàn)估計(jì)的高光譜影像分辨率增強(qiáng)方法[A];圖像圖形技術(shù)與應(yīng)用進(jìn)展——第三屆圖像圖形技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2008年

2 張杰林;;砂巖型鈾礦床高光譜數(shù)據(jù)挖掘技術(shù)研究[A];第十五屆全國(guó)遙感技術(shù)學(xué)術(shù)交流會(huì)論文摘要集[C];2005年

3 董彥芳;龐勇;;高光譜影像與LiDAR數(shù)據(jù)融合提取城市目標(biāo)提取[A];中國(guó)地震學(xué)會(huì)空間對(duì)地觀測(cè)專業(yè)委員會(huì)2013年學(xué)術(shù)研討會(huì)論文摘要集[C];2013年

4 李飛;周成虎;陳榮國(guó);;基于光譜曲線形態(tài)的高光譜影像檢索方法研究[A];第二屆中國(guó)科學(xué)院博士后學(xué)術(shù)年會(huì)暨高新技術(shù)前沿與發(fā)展學(xué)術(shù)會(huì)議程序冊(cè)[C];2010年

5 羅昕煒;方世良;;寬帶調(diào)制信號(hào)特征融合方法[A];中國(guó)聲學(xué)學(xué)會(huì)水聲學(xué)分會(huì)2013年全國(guó)水聲學(xué)學(xué)術(shù)會(huì)議論文集[C];2013年

相關(guān)博士學(xué)位論文 前3條

1 馬曉瑞;基于深度學(xué)習(xí)的高光譜影像分類方法研究[D];大連理工大學(xué);2017年

2 楊國(guó)鵬;基于機(jī)器學(xué)習(xí)方法的高光譜影像分類研究[D];解放軍信息工程大學(xué);2010年

3 劉金梅;多源遙感影像融合及其應(yīng)用研究[D];中國(guó)海洋大學(xué);2014年

相關(guān)碩士學(xué)位論文 前7條

1 張風(fēng);基于子空間學(xué)習(xí)的高光譜影像地物分類[D];西安電子科技大學(xué);2015年

2 祝鵬飛;面向?qū)ο蟮母吖庾V影像地物分類技術(shù)研究[D];解放軍信息工程大學(xué);2011年

3 楊國(guó)鵬;基于核方法的高光譜影像分類與特征提取[D];解放軍信息工程大學(xué);2007年

4 潘競(jìng)文;半監(jiān)督鄰域保持嵌入在高光譜影像分類中的應(yīng)用[D];重慶大學(xué);2014年

5 徐衛(wèi)霄;高光譜影像集成學(xué)習(xí)分類及后處理技術(shù)研究[D];解放軍信息工程大學(xué);2011年

6 聞兵工;地物光譜特征分析技術(shù)研究[D];解放軍信息工程大學(xué);2009年

7 陳偉;高光譜影像混合像元分解技術(shù)研究[D];解放軍信息工程大學(xué);2009年

，

本文編號(hào)：1971885