结合经验模态分解和Gabor滤波的高光谱图像分类

发布时间：2017-07-28 09:03

  本文关键词：结合经验模态分解和Gabor滤波的高光谱图像分类

  更多相关文章： 高光谱图像 图像分类 空间信息 经验模态分解 Gabor滤波

【摘要】：针对传统实施于原始数据空间的纹理提取方法的不足,采用经验模态分解理论提取高光谱图像中空间结构明显的固有模态分量,并在提取出的分量上进行Gabor滤波操作,将传统纹理提取方式转移到变换域上进行,提出了一种基于二维经验模态分解融合空间信息的高精度纹理提取算法。对两个数据集进行仿真实验,实验结果表明改进算法有效地提高了高光谱图像分类精度且抗噪性能良好,提出算法性能明显优于传统Gabor-PCA算法,能够更大程度挖掘高光谱图像空间信息。
【作者单位】： 哈尔滨工程大学信息与通信工程学院;
【关键词】： 高光谱图像 图像分类 空间信息 经验模态分解 Gabor滤波
【基金】：国家自然科学基金资助项目(61275010) 国家教育部博士点基金资助项目(20132304110007) 黑龙江省自然科学基金资助项目(F201409) 中央高校基本科研业务费资助项目(HEUCFD1410)
【分类号】：TP751
【正文快照】： 高光谱和空间分辨率遥感影像近几年受到越来越多的关注,这类高光谱数据被广泛应用于城市地区土地覆盖/土地利用制图上。为了广泛利用高光谱图像的空间结构以及光谱信息,国内外学者已展开了若干研究。其中Fauvel将光谱信息与提取的目标特征信息重构目标特征矢量,并通过分类实验

【参考文献】

中国期刊全文数据库 前1条

1 沈毅;张敏;张淼;;基于互信息波段选择和经验模态分解的高精度高光谱数据分类[J];激光与光电子学进展;2011年09期

【共引文献】

中国期刊全文数据库 前3条

1 赵春晖;齐滨;张q，

本文编号：583252