基于分层引导滤波与最近邻正则化子空间的高光谱图像分类

发布时间：2024-03-03 12:35

　　针对高光谱图像中同质异谱现象造成的分类精度较低以及边缘像元在联合空间光谱信息分类时特征易混淆的问题,提出了基于分层引导滤波与最近邻正则化子空间的分类方法.利用主成分分析获得高光谱图像的第一主成分.以第一主成分为引导图像对高光谱图像执行分层引导滤波操作,引导滤波的边缘保护特性,有效阻隔了边缘处类间光谱信息的混淆,并减小了局部区域类内光谱的差异,最后将预处理后的高光谱图像送至最近邻正则化子空间分类器进行分类识别.在Indian Pines,Salinas以及GRSS_DFC₂013高光谱数据集上与现有的方法进行对比实验.结果表明,本文提出的方法在三个数据集上分别取得了98.63%,99.13%与99.42%的总体分类准确率,有着更优的分类精度与可视化效果.

【文章页数】：13 页

【部分图文】：

图1滤波前后光谱特征对比

图像的第一主成分很好地表达了图像地边缘结构信息，故选用图像的第一主成分为引导图像．以Salinas数据集中两类位置相邻的地物Stubble与Celery的部分光谱特征为例，原始光谱特征与引导滤波10次、20次后的光谱特征如图1所示．图1中虚线轮廓内为光谱特征（108～204波段）....

图2HGF-NRS算法流程图

将经过HGF预处理的HSI送至NRS进行分类，NRS分类器是通过比较各组别训练样本对测试样本的重建误差来确定测试样本的归属．本文提出的HGF-NRS可分为3个步骤，流程图如图2所示，首先通过PCA变换获得高光谱数据的第一主成分，以此作为引导滤波的引导图像；然后，迭代地执行T次引导....

图3测试样本的重建误差

以Salinas数据集的组1中某一测试样本为例，NRS,Gabor-NRS[19],HGF-NRS分类时各组别的归一化的重建误差如图3所示．三种方法都取得了正确的分类，与NRS和与Gabor-NRS相比，HGF-NRS有着更小的重建误差，注意到其他各组的重建误差仍保持与NRS一致....

图4不同的ε，r对OA的影响

ε与r对全局分类准确率的影响如图4所示，为公平对比，令T=10，λ=0.1．适当的增加窗口半径r与正则化参数ε，有利于组内光谱的聚拢，r与ε过大时会使大尺度的边缘结构被平滑，造成边缘处像元光谱特征的丢失，从而准确率下降．由此获得三个数据集上最优的ε与r.λ与T对全局分类准确率的影....

本文编号：3917788