基于条件随机场的光谱相似性匹配高光谱遥感影像聚类方法

发布时间：2017-11-14 13:12

  本文关键词：基于条件随机场的光谱相似性匹配高光谱遥感影像聚类方法

  更多相关文章： 高光谱 光谱匹配 空谱融合 光谱相似性测度 条件随机场

【摘要】：高空间分辨率的高光谱遥感数据不仅能够获取地物近似连续的光谱曲线,还具有丰富的空间信息.传统的基于单像元的光谱匹配方法无法将这两种特征很好地结合.针对该问题,提出将条件随机场(CRF)模型引入光谱匹配方法.CRF模型通过构造像元邻域描述空间信息,解决了基于单像元光谱匹配方法仅考虑光谱信息的不足,实现了聚类过程中光谱和空间信息的融合;然而,传统CRF模型基于欧氏距离和马氏距离等相似性测度,无法适应于高光谱遥感影像的数据特征,因此利用光谱相似性测度改进传统CRF模型的相似性测度准则.实验证明,所提出方法能够有效解决传统光谱匹配方法结果的噪声问题,较好地保留了地物的形状特征,分类精度得到提高.
【作者单位】： 武汉大学城市设计学院;武汉大学遥感信息工程学院;
【基金】：国家自然科学基金资助项目(编号:41401400,71203166)
【分类号】：TP751
【正文快照】： 高光谱聚类是在缺乏先验信息的前提下,根据高维特征空间的相似性判别准则,对高光谱数据进行归类的方法[1].当前,随着高空间分辨率的高光谱(双高)遥感数据的出现,如航空HYDICE、ROSIS、CASI等,高光谱数据不仅包含了精细光谱信息,而且蕴含了地物丰富的空间细节信息,能同时表达地

【相似文献】

中国期刊全文数据库 前1条

1 杨耘;徐丽;;基于分层特征关联条件随机场的遥感图像分类[J];计算机应用;2014年06期

，

本文编号：1185527