面向高光谱影像分类的显著性特征提取方法

论文摘要

针对高光谱影像分类问题,提出了一种显著性特征提取方法。首先,利用超像素分割算法将高光谱影像3个相邻波段分割为若干个小区域。然后,基于分割得到的小区域计算反映不同区域的显著性特征。最后,沿着光谱方向采用大小为3、步长为1的滑窗法获得所有波段的显著性特征。进一步将提取的显著性特征与光谱特征进行结合,并将结合后的特征输入到支持向量机中进行分类。利用Pavia大学、Indian Pines和Salinas 3组高光谱影像数据进行分类试验。试验结果表明,与传统的空间特征提取方法和基于卷积神经网络的高光谱影像分类方法相比,提取的显著性特征能够获得更高的高光谱影像分类精度,且结合光谱特征能够进一步提高分类精度。

论文目录

• 1 高光谱影像显著性特征提取与分类
•   1.1 SLIC超像素分割
•   1.2 对比度计算
•   1.3 显著性分配
•   1.4 高光谱影像显著性特征提取与分类
• 2 试验结果与分析
•   2.1 试验数据
•   2.2 参数设置
•   2.3 试验结果与分析
•   2.4 训练样本数量适宜性分析
• 3 总结与展望

文章来源

类型: 期刊论文

作者: 余岸竹,刘冰,邢志鹏,杨帆,杨其淼

关键词: 高光谱影像分类,显著性特征提取,支持向量机

来源: 测绘学报 2019年08期

年度: 2019

分类: 基础科学

专业: 自然地理学和测绘学

单位: 信息工程大学,32023部队

基金: 国家自然科学基金(41801388)~~

分类号: P237

页码: 985-995

总页数: 11

文件大小: 3167K

下载量: 362