当前位置:主页 > 科技论文 > 测绘论文 >

高光谱影像空-谱协同嵌入的地物分类算法

发布时间:2018-11-16 10:03
【摘要】:针对传统高光谱影像地物分类算法大多仅考虑光谱信息而忽略空间邻近像元间相关性的问题,提出了一种空-谱协同嵌入(SSCE)降维算法和空-谱协同最近邻(SSCNN)分类器。首先,定义一种空-谱协同距离,并将其应用于近邻选取和低维嵌入;然后,构建空-谱近邻关系图来保持数据中的流形结构,并在权值设置中增大空间近邻点的权重以增强数据间的聚集性,提取鉴别特征;最后使用SSCNN分类器对降维后的数据进行分类。利用PaviaU和Salinas高光谱数据集进行试验验证,结果表明,与传统的光谱分类算法相比,该算法能有效提高高光谱影像的地物分类精度。
[Abstract]:Aiming at the problem that most of the traditional ground object classification algorithms only consider the spectral information and ignore the correlation between spatial adjacent pixels, a space-spectrum co-embedding (SSCE) reduction algorithm and space-spectral cooperative nearest neighbor (SSCNN) classifier are proposed. Firstly, a space-spectrum cooperative distance is defined and applied to the nearest neighbor selection and low-dimensional embedding. Then, the space-spectrum nearest neighbor graph is constructed to maintain the manifold structure in the data, and the weight of the spatial nearest neighbor is increased in the weight setting to enhance the aggregation of the data and extract the discriminant features. Finally, SSCNN classifier is used to classify the reduced dimension data. The experimental results of PaviaU and Salinas hyperspectral data sets show that compared with the traditional spectral classification algorithm, this algorithm can effectively improve the classification accuracy of ground objects in hyperspectral images.
【作者单位】: 重庆大学光电技术与系统教育部重点实验室;
【基金】:国家自然科学基金(41371338) 重庆市基础与前沿研究计划(cstc2013jcyjA40005) 重庆市研究生科研创新项目(CYB15052)~~
【分类号】:P237

【相似文献】

相关期刊论文 前10条

1 范冬娟;张韶华;;高光谱影像反射率反演方法的研究[J];海洋测绘;2006年03期

2 甘甫平;王润生;;高光谱遥感技术在地质领域中的应用[J];国土资源遥感;2007年04期

3 杨燕杰;赵英俊;秦凯;陆冬华;;高光谱影像预处理技术[J];科技导报;2013年09期

4 杨可明;张涛;王立博;钱小丽;王林伟;刘士文;;谐波分析法高光谱影像融合及其光谱信息保真度评价[J];光谱学与光谱分析;2013年09期

5 杨哲海,冯猛,张燕燕;高光谱影像处理方法的改进[J];海洋测绘;2004年04期

6 李新双;张良培;李平湘;吴波;;基于小波分量特征值匹配的高光谱影像分类[J];武汉大学学报(信息科学版);2006年03期

7 原传纲;张广有;吴迪;杨哲海;;面向应用的高光谱影像分类方法[J];测绘科学技术学报;2007年02期

8 杨可明;陈云浩;郭达志;蒋金豹;;基于高光谱影像的小麦条锈病光谱信息探测与提取(英文)[J];光子学报;2008年01期

9 苏俊英;舒宁;;一种基于非线性增益小波滤波的高光谱影像去噪技术研究[J];遥感技术与应用;2008年04期

10 马莉;范文涛;;高光谱影像加权波段指数波段选择算法[J];黑龙江科技信息;2010年04期

相关会议论文 前10条

1 舒宁;胡颖;;基于地物光谱特征的高光谱影像边缘提取方法[A];地理空间信息技术与应用——中国科协2002年学术年会测绘论文集[C];2002年

2 舒宁;;多光谱和高光谱影像纹理分析的几种方法[A];第十五届全国遥感技术学术交流会论文摘要集[C];2005年

3 于美娇;董广军;张永生;纪松;杨靖宇;;一种基于极大后验估计的高光谱影像分辨率增强方法[A];图像图形技术与应用进展——第三届图像图形技术与应用学术会议论文集[C];2008年

4 董广军;纪松;朱朝杰;;基于局部线性嵌入流形学习的高光谱影像分类技术[A];第六届全国信息获取与处理学术会议论文集(3)[C];2008年

5 汪玮;周可法;王金林;周曙光;刘慧;;环境减灾卫星高光谱数据预处理[A];第十二届全国数学地质与地学信息学术研讨会论文集[C];2013年

6 黄远程;张良培;李平湘;;基于最小单形体体积约束的高光谱影像端元光谱提取[A];遥感定量反演算法研讨会摘要集[C];2010年

7 刘庆杰;蔺启忠;王黎明;王钦军;李庆亭;苗峰显;;基于CFFT最优信噪比的星载高光谱影像噪声抑制研究[A];第十七届中国遥感大会摘要集[C];2010年

8 张杰林;;砂岩型铀矿床高光谱数据挖掘技术研究[A];第十五届全国遥感技术学术交流会论文摘要集[C];2005年

9 董彦芳;庞勇;;高光谱影像与LiDAR数据融合提取城市目标提取[A];中国地震学会空间对地观测专业委员会2013年学术研讨会论文摘要集[C];2013年

10 李飞;周成虎;陈荣国;;基于光谱曲线形态的高光谱影像检索方法研究[A];第二届中国科学院博士后学术年会暨高新技术前沿与发展学术会议程序册[C];2010年

相关博士学位论文 前8条

1 刘轲;冬小麦叶面积指数高光谱遥感反演方法研究[D];中国农业科学院;2015年

2 杨国鹏;基于机器学习方法的高光谱影像分类研究[D];解放军信息工程大学;2010年

3 路威;面向目标探测的高光谱影像特征提取与分类技术研究[D];中国人民解放军信息工程大学;2005年

4 杨哲海;高光谱影像分类若干关键技术的研究[D];解放军信息工程大学;2006年

5 王凯;基于多特征融合的高光谱影像地物精细分析方法研究[D];武汉大学;2013年

6 杜辉强;高光谱遥感影像滤波和边缘提取方法研究[D];武汉大学;2004年

7 韦玮;基于多角度高光谱CHRIS数据的湿地信息提取技术研究[D];中国林业科学研究院;2011年

8 龚鑓;基于HDA和MRF的高光谱影像同质区分析[D];武汉大学;2007年

相关硕士学位论文 前10条

1 司海青;含水量对土壤有机质含量高光谱估算的影响研究[D];中国农业科学院;2015年

2 汪重午;基于高光谱线性混合模型的地质勘查研究[D];成都理工大学;2015年

3 原娟;面向高光谱地物的在轨替代光谱定标影响因子分析[D];浙江农林大学;2015年

4 魏祥坡;高光谱影像土质要素和人工地物分类技术研究[D];解放军信息工程大学;2015年

5 董连凤;高光谱影像预处理技术研究[D];长安大学;2007年

6 祝鹏飞;面向对象的高光谱影像地物分类技术研究[D];解放军信息工程大学;2011年

7 杨国鹏;基于核方法的高光谱影像分类与特征提取[D];解放军信息工程大学;2007年

8 杨明;面向分类的高光谱影像特征提取技术研究[D];解放军信息工程大学;2012年

9 潘竞文;半监督邻域保持嵌入在高光谱影像分类中的应用[D];重庆大学;2014年

10 张丽;基于投影寻踪的高光谱影像特征提取与自动识别技术研究[D];长安大学;2006年



本文编号:2335211

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/dizhicehuilunwen/2335211.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户2bad1***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com