发明名称 | 一种改进的高光谱图像分类方法 | ||
摘要 | 本发明公开了一种改进的高光谱图像分类方法。该方法包括如下步骤:(1)待分类高光谱图像中心像素点的空间近邻选择:采用基于分水岭分割区域选择策略或者最小生成树近邻选择策略获得优质空间近邻区域;(2)对优质空间近邻区域进行空间特征提取;(3)谱空联合模型预测:使用合成核方式融合空间特征和光谱特征,然后训练分类模型,预测高光谱图像测试集标签。本发明采用不同的空间近邻的选择方式,满足高光谱分类中对速度和精度不同的要求;此外,通过挖掘和利用空间信息,有效地解决了高光谱图像中存在的同物异谱、同谱异物问题,优质的空间近邻和特征信息增强了原光谱分类的鲁棒性,因此具有较高的使用价值。 | ||
申请公布号 | CN105956607A | 申请公布日期 | 2016.09.21 |
申请号 | CN201610257038.6 | 申请日期 | 2016.04.22 |
申请人 | 南京师范大学 | 发明人 | 杨明;赵振凯 |
分类号 | G06K9/62(2006.01)I | 主分类号 | G06K9/62(2006.01)I |
代理机构 | 南京知识律师事务所 32207 | 代理人 | 李媛媛 |
主权项 | 一种改进的高光谱图像分类方法,其特征在于,包括如下步骤:步骤1,待分类高光谱图像中心像素点的空间近邻选择:采用基于分水岭分割区域选择策略或者最小生成树近邻选择策略获得优质空间近邻区域;步骤2,对步骤1获得的优质空间近邻区域进行空间特征提取;步骤3,谱空联合模型预测:使用合成核方式融合空间特征和光谱特征,然后训练分类模型,预测高光谱图像测试集标签。 | ||
地址 | 210097 江苏省南京市鼓楼区宁海路122号 |