-
题名基于加权指数函数模型的高光谱图像分类方法
被引量：3
- 1
-
-
作者
李玉
李奕燃
王光辉
石雪
-
机构
辽宁工程技术大学测绘与地理科学学院遥感科学与应用研究所
自然资源部国土卫星遥感应用中心
-
出处
《地球信息科学学报》
CSCD
北大核心
2020年第8期1642-1653,共12页
-
基金
国家自然科学基金项目(41301479)
辽宁省高校创新人才支持计划项目(LR2016061)。
-
文摘
高光谱图像的众多波段为地物分类提供了充分的特征信息,同时也为如何有效利用这些特性带来难题。为了充分利用高光谱图像的光谱信息实现地物目标的精确分类,根据其像素光谱曲线所呈现出的多峰特性,提出一种基于加权指数函数模型(Weighted Exponential Function,WEF)的高光谱图像分类方法。首先,采用WEF建立像素光谱曲线的理想模型,其中WEF模型由多个具有不同权重的指数函数相加而成。由于该模型中参数较多,导致参数求解较为困难。因此,为简单起见固定所有像素WEF模型中的峰值位置,并将由所有峰值位置构建矢量集。然后,根据最小二乘原理求解WEF模型的参数,以拟合光谱曲线。利用求得的参数集代替光谱测度矢量作为像素特征。最后,采用模糊C均值(Fuzzy C-means,FCM)算法实现图像分类。为了验证提出方法的可行性和有效性,分别以提出的分类方法、基于主成分分析(Principal Component Analysis,PCA)的分类方法、基于最小噪声分离(Minimum Noise Fraction,MNF)的分类方法和以光谱测度矢量为分类特征的FCM方法对Salinas和PaviaU图像进行分类实验,并据此对实验结果进行定性和定量评价。在Salinas图像中提出的分类方法比其它方法的分类精度从51%提高到了60%,在PaviaU图像中分类精度从43%提高到了51%。此外,提出的分类方法在降低了高光谱图像数据量的同时,保留了高光谱图像丰富的光谱信息。
-
关键词
高光谱图像分类
加权指数函数模型
最小二乘法
模糊C均值
光谱曲线
曲线拟合
主成分分析
最小噪声分离
-
Keywords
hyperspectral image classification
weighted exponential function model
least square method
Fuzzy C-means
spectral curve
curve fitting
principal component analysis
Minimum Noise Fraction
-
分类号
TP751
[自动化与计算机技术—检测技术与自动化装置]
-
