融合加权均值滤波与流形重构保持嵌入的高光谱影像分类

发布时间：2017-11-18 09:08

  本文关键词：融合加权均值滤波与流形重构保持嵌入的高光谱影像分类

  更多相关文章： 高光谱影像分类 加权均值滤波 流形学习 维数约简 空间近邻

【摘要】：高光谱影像中波段数过多易导致"维数灾难",而传统高光谱影像维数约简算法仅利用光谱特征而忽略了空间信息.针对上述问题,提出一种融合加权均值滤波与流形重构保持嵌入的维数约简算法.该方法利用影像中地物分布的空间一致性特点,对所有像素进行加权均值滤波,消除同类光谱差异性较大的像素影响,并在流形重构过程中增大空间近邻点的权重,提取出更为有效的鉴别特征,实现维数约简.在PaviaU和Urban高光谱数据集上的实验结果表明:相比于其它相关方法,该方法能获得更高的分类准确度,在分别随机选取5%和1%的训练样本情况下,其总体分类准确度分别提高到98.76%和80.21%.该方法在发现内在低维流形结构的同时,有效融入了影像中的空间信息,改善了分类性能.
【作者单位】： 重庆大学光电技术与系统教育部重点实验室;
【基金】：国家自然科学基金(No.41371338) 重庆市基础与前沿研究计划(No.cstc2013jcyjA4005) 重庆市研究生科研创新项目(No.CYB15052)资助~~
【分类号】：TP751
【正文快照】： 1-10003010引言作为遥感技术的前沿,高光谱影像中含有十分丰富的光谱特征信息,能鉴别出不同地物间的细微差别,为地物的精细识别与分类带来了新的机遇[1-3].但高光谱影像数据量大、波段数多、冗余性强,若直接对其进行识别分类,容易导致“维数灾难”[4].因此,如何实现有效的维数

【相似文献】

中国期刊全文数据库 前10条

1 甘甫平;王润生;;高光谱遥感技术在地质领域中的应用[J];国土资源遥感;2007年04期

2 余旭初;杨国鹏;冯伍法;周欣;;基于简约集支持向量机的高光谱影像分类[J];计算机科学;2010年11期

3 李新双;张良培;李平湘;吴波;;基于小波分量特征值匹配的高光谱影像分类[J];武汉大学学报(信息科学版);2006年03期

4 杨可明;陈云浩;郭达志;蒋金豹;;基于高光谱影像的小麦条锈病光谱信息探测与提取(英文)[J];光子学报;2008年01期

5 苏俊英;舒宁;;一种基于非线性增益小波滤波的高光谱影像去噪技术研究[J];遥感技术与应用;2008年04期

6 杨可明;李慧;郭达志;;基于最佳小波包基的高光谱影像特征制图[J];测绘学报;2008年01期

7 杨国鹏;余旭初;刘伟;陈伟;;基于支持向量机的高光谱影像分类研究[J];计算机工程与设计;2008年08期

8 董超;赵慧洁;;关联向量机在高光谱影像分类中的应用[J];遥感学报;2010年06期

9 冯海亮;潘竞文;黄鸿;;半监督邻域保持嵌入在高光谱影像分类中的应用[J];计算机科学;2014年S1期

10 杜辉强;舒宁;;高光谱影像能量边缘提取[J];武汉大学学报(信息科学版);2006年02期

中国重要会议论文全文数据库 前4条

1 于美娇;董广军;张永生;纪松;杨靖宇;;一种基于极大后验估计的高光谱影像分辨率增强方法[A];图像图形技术与应用进展——第三届图像图形技术与应用学术会议论文集[C];2008年

2 张杰林;;砂岩型铀矿床高光谱数据挖掘技术研究[A];第十五届全国遥感技术学术交流会论文摘要集[C];2005年

3 董彦芳;庞勇;;高光谱影像与LiDAR数据融合提取城市目标提取[A];中国地震学会空间对地观测专业委员会2013年学术研讨会论文摘要集[C];2013年

4 李飞;周成虎;陈荣国;;基于光谱曲线形态的高光谱影像检索方法研究[A];第二届中国科学院博士后学术年会暨高新技术前沿与发展学术会议程序册[C];2010年

中国博士学位论文全文数据库 前1条

1 杨国鹏;基于机器学习方法的高光谱影像分类研究[D];解放军信息工程大学;2010年

中国硕士学位论文全文数据库 前6条

1 祝鹏飞;面向对象的高光谱影像地物分类技术研究[D];解放军信息工程大学;2011年

2 杨国鹏;基于核方法的高光谱影像分类与特征提取[D];解放军信息工程大学;2007年

3 潘竞文;半监督邻域保持嵌入在高光谱影像分类中的应用[D];重庆大学;2014年

4 徐卫霄;高光谱影像集成学习分类及后处理技术研究[D];解放军信息工程大学;2011年

5 闻兵工;地物光谱特征分析技术研究[D];解放军信息工程大学;2009年

6 陈伟;高光谱影像混合像元分解技术研究[D];解放军信息工程大学;2009年

，

本文编号：1199249