结合拉普拉斯特征映射的权重朴素贝叶斯高光谱分类算法

发布时间：2021-12-29 14:39

　　高光谱遥感可以得到更精确与丰富的遥感信息,因此涵盖了各国家的航空、航天以及小范围的地面观测的多个层级与环节,在对地观测遥感领域占有不可取代的地位。但高光谱数据集往往非常庞大,且包含冗余信息,为后续处理带来了不便。该研究选用拉普拉斯特征映射对高光谱数据降维与特征提取,并提出了一种权重朴素贝叶斯分类算法。通过奖励权重的方法对经典朴素贝叶斯分类器进行了改进,利用公开数据对算法进行验证,判别地物信息准确率达到92.7%,相比于传统方法有了大幅度的提高。 

【文章来源】：分析测试学报. 2020,39(10)北大核心CSCD

【文章页数】：6 页

【部分图文】：

高光谱数据降维方法的比较

印度松树场景包含三分之二的农业和三分之一的森林或其他天然多年生植被。有两条主要双车道高速公路,一条铁路线,以及一些低密度住房、其他建筑结构和较小的道路。由于6月份出现了部分作物,玉米、大豆处于早期增长阶段,覆盖率低于5%。可用的基本事实被分为16个类别,并不完全相互排斥。按真实地物信息(True ground)标记各个地物类别,得到分布图如图3A所示,图3B为相机所拍摄得到的目标区域照片,后续以此为标准对本文算法进行验证。上述16种地物种类的平均光谱如图4所示。由图4中可以看到,相比于普通遥感图像,高光谱数据因具有不同地物像素点的光谱维度信息,更丰富的信息为更加准确的地物分类提供了可能与基础。图4 16种地物目标的平均光谱

16种地物目标的平均光谱


本文编号：3556327