基于波段加权K均值聚类的高光谱影像分类

发布时间：2024-02-04 17:58

　　为了在高光谱影像分类过程中有效地利用波段信息,在传统K均值算法的基础上引入特征加权的思想,使得在聚类过程中能够充分合理利用各波段信息。该算法中,根据波段影像的熵、标准差、均值及互信息等统计信息的函数定义波段权重;根据波段对聚类的重要性定义波段-类别权重,并且定义其熵信息测度作为约束项。对Salinas高光谱影像分别采用本文算法和传统K均值算法进行实验,从总精度及Kappa值方面来看,该算法都比传统K均值算法的数值高,由此说明引入波段权重及波段-类别权重的有效性。

【文章页数】：6 页

【部分图文】：

图1Salinas真彩色影像与标准分类图

为了验证提出算法对高光谱影像分类的有效性,利用MATLAB软件编程以实现高光谱影像分类。实验选用了AVIRIS数据,影像内呈现的是Salinas地区,空间分辨率为3.7m,尺寸为512pixel×217pixel,光谱测量范围为400～2500nm,实验中去除水吸收波段....

图2高光谱影像分类结果

采用对比算法和提出算法对高光谱影像进行分类得到的结果如图2所示。其中,图2(a)为K均值算法获得的高光谱影像分类结果,图2(b)为提出算法获得的高光谱影像分类结果。从视觉上看,K均值算法将C1和C2类分成了一类,将C10和C11类分成了一类,C8和C15类区域错分成了4个类别。本....

本文编号：3895630