两类空间信息融合的高光谱图像分类方法

发布时间：2018-08-15 17:24

【摘要】：针对单一滤波器提取高光谱图像空间特征时不能获得完整的图像空间信息的不足,提出一种结合非局部均值滤波和导向滤波的高光谱图像分类算法。该方法利用非局部均值滤波提取高光谱全波段图像空间信息,利用导向滤波提取经由主成分分析(PCA)降维后的高光谱图像的空间边缘信息,将两种空间信息进行线性融合的结果输入至支持向量机(SVM)完成分类。实验表明,相比于使用光谱信息、高光谱PCA降维、空谱结合的SVM分类、边缘保持滤波以及递归滤波等方法,该算法能够有效提高光谱图像的分类精度。
[Abstract]:In order to solve the problem that the spatial feature of hyperspectral image can not be obtained by a single filter, a hyperspectral image classification algorithm combining non-local mean filtering and directed filtering is proposed. In this method, the spatial information of hyperspectral full-band images is extracted by non-local mean filter, and the spatial edge information of hyperspectral images reduced by principal component analysis (PCA) is extracted by guided filtering. The results of linear fusion of two kinds of spatial information are input into support vector machine (SVM) (SVM) to complete classification. Experimental results show that the proposed algorithm can effectively improve the classification accuracy of spectral images compared with using spectral information, hyperspectral PCA dimensionality reduction, space-spectrum combined SVM classification, edge preserving filtering and recursive filtering.
【作者单位】： 广东交通职业技术学院计算机工程学院;哈尔滨工程大学信息与通信工程学院;
【基金】：国家自然科学基金(61275010,61675051) 国家星火计划项目(2014GA780056) 广东省高等职业教育品牌专业建设项目(2016gzpp044) 广东交通职业技术学院校级重点科研项目(2017-1-001)
【分类号】：TP751

【相似文献】

相关期刊论文 前10条

1 陈雨时;张晔;张钧萍;;基于线性模型最优预测的高光谱图像压缩[J];南京航空航天大学学报;2007年03期

2 谌德荣;宫久路;陈乾;曹旭平;;基于样本分割的快速高光谱图像异常检测支持向量数据描述方法[J];兵工学报;2008年09期

3 蒲晓丰;雷武虎;张林虎;蒋奇材;;基于Fukunaga-Koontz变换的高光谱图像异常检测[J];红外技术;2010年04期

4 成宝芝;郭宗光;;高光谱图像波段间相关特性研究[J];大庆师范学院学报;2013年06期

5 杨龙;易宏杰;李因彦;;遥感高光谱图像赤潮识别[J];传感器世界;2007年05期

6 汪倩;陶鹏;;结合空间信息的高光谱图像快速分类方法[J];微计算机信息;2010年21期

7 王立国;孙杰;肖倩;;结合空-谱信息的高光谱图像分类方法[J];黑龙江大学自然科学学报;2010年06期

8 付欢;龙海南;韩晓霞;;基于冗余字典的高光谱图像的稀疏分解[J];河北软件职业技术学院学报;2013年04期

9 耿修瑞,张霞,陈正超,张兵,郑兰芬,童庆禧;一种基于空间连续性的高光谱图像分类方法[J];红外与毫米波学报;2004年04期

10 张绮玮;机载高光谱遥感图像处理软件系统[J];红外;2005年02期

相关会议论文 前5条

1 张兵;王向伟;郑兰芬;童庆禧;;高光谱图像地物分类与识别研究[A];成像光谱技术与应用研讨会论文集[C];2004年

2 王成;何伟基;陈钱;;基于波段重组和小波变换的高光谱图像嵌入式压缩方法[A];黑龙江、江苏、山东、河南、江西 五省光学（激光）联合学术‘13年会论文（摘要）集[C];2013年

3 孙蕾;罗建书;;基于分类预测的高光谱遥感图像无损压缩[A];第一届建立和谐人机环境联合学术会议（HHME2005）论文集[C];2005年

4 张晓红;张立福;王晋年;童庆禧;;HJ-1A卫星高光谱遥感图像质量综合评价[A];第八届成像光谱技术与应用研讨会暨交叉学科论坛文集[C];2010年

5 蒲晓丰;雷武虎;黄涛;王迪;;基于稳健背景子空间的高光谱图像异常检测[A];中国光学学会2010年光学大会论文集[C];2010年

相关博士学位论文 前10条

1 普晗晔;高光谱遥感图像的解混理论和方法研究[D];复旦大学;2014年

2 贺智;改进的经验模态分解算法及其在高光谱图像分类中的应用[D];哈尔滨工业大学;2014年

3 叶珍;高光谱图像特征提取与分类算法研究[D];西北工业大学;2015年

4 冯婕;基于软计算和互信息理论的遥感图像地物分类[D];西安电子科技大学;2014年

5 曲海成;面向光谱解混的高光谱图像快速处理技术研究[D];哈尔滨工业大学;2016年

6 王忠良;基于线性混合模型的高光谱图像压缩感知研究[D];西北工业大学;2015年

7 贺霖;高光谱图像自动目标检测技术研究[D];西北工业大学;2007年

8 周爽;蚁群算法在高光谱图像降维和分类中的应用研究[D];哈尔滨工业大学;2010年

9 高恒振;高光谱遥感图像分类技术研究[D];国防科学技术大学;2011年

10 徐速;基于压缩感知的高光谱图像稀疏解混方法研究[D];重庆大学;2015年

相关硕士学位论文 前10条

1 王启聪;高光谱图像分类的GPU并行优化研究[D];南京理工大学;2015年

2 程凯;无先验信息的高光谱图像小目标检测算法研究[D];苏州大学;2015年

3 吴蓓芬;偏振高光谱图像场景仿真及分类方法研究[D];哈尔滨工业大学;2015年

4 霍莹;高光谱CCD机载相机检测设备研制[D];长春理工大学;2015年

5 王磊;基于张量的高光谱遥感图像压缩研究[D];复旦大学;2014年

6 邬文慧;空谱联合高光谱遥感图像半监督分类[D];西安电子科技大学;2014年

7 王依萍;基于主动学习的高光谱图像分类方法研究[D];西安电子科技大学;2014年

8 刘嘉慧;基于稀疏表示的高光谱图像分类和解混方法研究[D];西安电子科技大学;2014年

9 王U喺，

本文编号：2184902