基于加权指数函数模型的高光谱图像分类方法

发布时间：2021-03-11 14:38

　　高光谱图像的众多波段为地物分类提供了充分的特征信息,同时也为如何有效利用这些特性带来难题。为了充分利用高光谱图像的光谱信息实现地物目标的精确分类,根据其像素光谱曲线所呈现出的多峰特性,提出一种基于加权指数函数模型（Weighted Exponential Function, WEF）)的高光谱图像分类方法。首先,采用WEF建立像素光谱曲线的理想模型,其中WEF模型由多个具有不同权重的指数函数相加而成。由于该模型中参数较多,导致参数求解较为困难。因此,为简单起见固定所有像素WEF模型中的峰值位置,并将由所有峰值位置构建矢量集。然后,根据最小二乘原理求解WEF模型的参数,以拟合光谱曲线。利用求得的参数集代替光谱测度矢量作为像素特征。最后,采用模糊C均值（Fuzzy C-means, FCM）算法实现图像分类。为了验证提出方法的可行性和有效性,分别以提出的分类方法、基于主成分分析（Principal Component Analysis,PCA）的分类方法、基于最小噪声分离（Minimum Noise Fraction, MNF）的分类方法和以光谱测度矢量为分类特征的FCM方法对Salina... 

【文章来源】：地球信息科学学报. 2020,22(08)北大核心

【文章页数】：12 页

【部分图文】：

不同的峰值位置、权重和峰宽的指数函数曲线

任意曲线拟合结果

对所提出的算法中各部分的时间复杂度进行分析，首先利用最小二乘法对每一个像素进行拟合的时间复杂度为O(L3）；其次，整幅图像拟合的时间随着像素数量的不断增加而增加，复杂度成线性函数为O(n）；最后，在分类中利用的FCM算法的时间复杂度为O(n3log2n）。综上，提出算法的整体时间复杂度为多项式时间，因此从算法时间上说提出算法具有实用性。在实际使用中，通过设计优化的程序，即可提高算法效率。图5 选取步长与时间和拟合精度的关系

【参考文献】：
期刊论文
[1]基于空谱加权近邻的高光谱图像分类算法[J]. 纪磊,张欣,张丽梅,文章.  激光与光电子学进展. 2020(06)
[2]海面溢油无人机高光谱遥感检测与厚度估算方法[J]. 任广波,过杰,马毅,罗旭东.  海洋学报. 2019(05)
[3]高光谱信息的农林植被种类区分[J]. 虞佳维,程志庆,张劲松,王鹤松,蒋跃林,杨书运.  光谱学与光谱分析. 2018(12)
[4]基于条件随机场的高光谱遥感影像农作物精细分类[J]. 余铭,魏立飞,尹峰,李丹丹,黄庆彬.  中国农业信息. 2018(03)
[5]聚类与自适应波段选择结合的高光谱图像降维[J]. 张悦,官云兰.  遥感信息. 2018(02)
[6]三维卷积神经网络模型联合条件随机场优化的高光谱遥感影像分类[J]. 李竺强,朱瑞飞,高放,孟祥玉,安源,钟兴.  光学学报. 2018(08)
[7]深度学习在高光谱图像分类领域的研究现状与展望[J]. 张号逵,李映,姜晔楠.  自动化学报. 2018(06)
[8]成像光谱技术的古画隐藏信息提取[J]. 郭新蕾,张立福,吴太夏,张红明,罗旭东.  中国图象图形学报. 2017(10)
[9]一种定标缺失情况下的高光谱目标识别方法[J]. 罗素群,郭宝峰,沈宏海,杨名宇.  火力与指挥控制. 2017(06)
[10]地物波谱数据库建设进展及应用现状[J]. 张莹彤,肖青,闻建光,游冬琴,窦宝成,唐勇,彭实.  遥感学报. 2017(01)



本文编号：3076624