基于随机森林的高光谱遥感图像分类

发布时间：2017-12-04 13:36

  本文关键词：基于随机森林的高光谱遥感图像分类

  更多相关文章： 高光谱图像 图像分类 随机森林 独立成分分析

【摘要】：为了充分利用高光谱图像的光谱信息和空间结构信息,提出了一种新的基于随机森林的高光谱遥感图像分类方法,首先,利用主成分分析降低数据的维数,并对主成分进行独立成分分析提取其光谱特征,同时消除像元的空间相关性,再采用形态学分析提取像元的空间结构特征,然后,根据像元的谱域和空域特征分别构造随机森林,并引入空间连续性对像元点的预测结果进行约束修正,最后由投票机制决定最后的分类结果。在AVIRIS和ROSIS高光谱图像上的实验结果表明,所提方法的分类性能要优于传统的高光谱图像分类方法,且分类精度高于基于单一特征的方法。
【作者单位】： 河南工业职业技术学院计算机工程系;西北工业大学计算机学院;
【基金】：国家自然科学基金(No.61231016,No.61301192,No.61303123) 河南省科技攻关计划(No.142102210557)
【分类号】：TP751
【正文快照】： 1引言高光谱遥感成像仪能同时从宽电磁波谱中获取上百个连续的从可见光到红外的窄频谱波段信息[1]。高光谱图像光谱分辨率高,波段维数高,能提供更精细的地物光谱信息,但大数据量增加了计算机处理的复杂度,影响分类的效率。高光谱较高的波段相关性以及信息冗余性,也抑制了分类

【相似文献】

中国博士学位论文全文数据库 前1条

1 雷震;随机森林及其在遥感影像处理中应用研究[D];上海交通大学;2012年

中国硕士学位论文全文数据库 前1条

1 姚明煌;随机森林及其在遥感图像分类中的应用[D];华侨大学;2014年

，

本文编号：1251202