基于空间特征与纹理信息的高光谱图像半监督分类

发布时间：2017-10-19 06:48

  本文关键词：基于空间特征与纹理信息的高光谱图像半监督分类

  更多相关文章： 高光谱图像分类 灰度共生矩阵 半监督方法 空谱特征 纹理特征

【摘要】：传统高光谱图像分类方法主要使用图像的光谱特征信息,没有充分利用高光谱图像的空间特性及样本的其他信息。本文提出了一种基于空间特征与纹理信息的高光谱图像半监督分类方法。首先,将高光谱图像每一像素的光谱特征与其邻域范围内的光谱特征进行结合,得到了这一像素的空-谱特征;然后用灰度共生矩阵提取了高光谱图像的纹理特征,并与空-谱特征进行了融合;最后,用基于图的半监督分类算法进行了分类。通过在Indian Pines数据集和Pavia U数据集上进行试验,结果表明本文提出的方法能取得较高的分类结果。
【作者单位】： 辽宁师范大学城市与环境学院;
【关键词】： 高光谱图像分类 灰度共生矩阵 半监督方法 空谱特征 纹理特征
【分类号】：TP751
【正文快照】： 20世纪末期兴起的高光谱遥感技术是遥感科学技术领域的一项重大进展。由于高光谱遥感图像具有较高的空间分辨率及丰富的光谱信息,为准确的地物识别提供了一种可能。目前已在地质勘探、精准农业和军事用途等领域中取得了成功的应用[1]。许多学者对高光谱图像的准确分类作了大量

【相似文献】

中国期刊全文数据库 前10条

1 谌德荣;宫久路;陈乾;曹旭平;;基于样本分割的快速高光谱图像异常检测支持向量数据描述方法[J];兵工学报;2008年09期

2 蒲晓丰;雷武虎;张林虎;蒋奇材;;基于Fukunaga-Koontz变换的高光谱图像异常检测[J];红外技术;2010年04期

3 成宝芝;郭宗光;;高光谱图像波段间相关特性研究[J];大庆师范学院学报;2013年06期

4 杨龙;易宏杰;李因彦;;遥感高光谱图像赤潮识别[J];传感器世界;2007年05期

5 汪倩;陶鹏;;结合空间信息的高光谱图像快速分类方法[J];微计算机信息;2010年21期

6 王立国;孙杰;肖倩;;结合空-谱信息的高光谱图像分类方法[J];黑龙江大学自然科学学报;2010年06期

7 付欢;龙海南;韩晓霞;;基于冗余字典的高光谱图像的稀疏分解[J];河北软件职业技术学院学报;2013年04期

8 耿修瑞,张霞,陈正超,张兵,郑兰芬,童庆禧;一种基于空间连续性的高光谱图像分类方法[J];红外与毫米波学报;2004年04期

9 张绮玮;机载高光谱遥感图像处理软件系统[J];红外;2005年02期

10 谷延锋;刘颖;贾友华;张晔;;基于光谱解译的高光谱图像奇异检测算法[J];红外与毫米波学报;2006年06期

中国重要会议论文全文数据库 前5条

1 张兵;王向伟;郑兰芬;童庆禧;;高光谱图像地物分类与识别研究[A];成像光谱技术与应用研讨会论文集[C];2004年

2 王成;何伟基;陈钱;;基于波段重组和小波变换的高光谱图像嵌入式压缩方法[A];黑龙江、江苏、山东、河南、江西 五省光学（激光）联合学术‘13年会论文（摘要）集[C];2013年

3 孙蕾;罗建书;;基于分类预测的高光谱遥感图像无损压缩[A];第一届建立和谐人机环境联合学术会议（HHME2005）论文集[C];2005年

4 张晓红;张立福;王晋年;童庆禧;;HJ-1A卫星高光谱遥感图像质量综合评价[A];第八届成像光谱技术与应用研讨会暨交叉学科论坛文集[C];2010年

5 蒲晓丰;雷武虎;黄涛;王迪;;基于稳健背景子空间的高光谱图像异常检测[A];中国光学学会2010年光学大会论文集[C];2010年

中国博士学位论文全文数据库 前10条

1 普晗晔;高光谱遥感图像的解混理论和方法研究[D];复旦大学;2014年

2 贺智;改进的经验模态分解算法及其在高光谱图像分类中的应用[D];哈尔滨工业大学;2014年

3 叶珍;高光谱图像特征提取与分类算法研究[D];西北工业大学;2015年

4 冯婕;基于软计算和互信息理论的遥感图像地物分类[D];西安电子科技大学;2014年

5 徐速;基于压缩感知的高光谱图像稀疏解混方法研究[D];重庆大学;2015年

6 隋晨红;基于分类精度预测的高光谱图像分类研究[D];华中科技大学;2015年

7 曲海成;面向光谱解混的高光谱图像快速处理技术研究[D];哈尔滨工业大学;2016年

8 贺霖;高光谱图像自动目标检测技术研究[D];西北工业大学;2007年

9 周爽;蚁群算法在高光谱图像降维和分类中的应用研究[D];哈尔滨工业大学;2010年

10 高恒振;高光谱遥感图像分类技术研究[D];国防科学技术大学;2011年

中国硕士学位论文全文数据库 前10条

1 王U喺，

本文编号：1059667