发明名称 |
基于集成学的高光谱遥感数据分类方法 |
摘要 |
基于集成学的高光谱遥感数据分类方法,属于光谱数据分类技术领域。本发明为了解决现有高光谱数据的分类方法从光谱维的角度对数据进行分类,数据分类精度低的问题。它首先读取高光谱遥感数据,获得高光谱遥感数据的光谱特征和空间特征;将光谱特征与空间特征整合为多特征集合;由多特征集合确定标记样本并选择训练样本和测试样本;基于集成学方法,设计特征差异的Adaboost集成分类框架,并使用训练样本训练获得F个弱分类器;使用F个弱分类器对测试样本进行分类。本发明用于高光谱遥感数据的分类。 |
申请公布号 |
CN104021396A |
申请公布日期 |
2014.09.03 |
申请号 |
CN201410283594.1 |
申请日期 |
2014.06.23 |
申请人 |
哈尔滨工业大学 |
发明人 |
陈雨时;赵兴;王强;刘思宇 |
分类号 |
G06K9/62(2006.01)I;G06K9/66(2006.01)I |
主分类号 |
G06K9/62(2006.01)I |
代理机构 |
哈尔滨市松花江专利商标事务所 23109 |
代理人 |
张利明 |
主权项 |
一种基于集成学习的高光谱遥感数据分类方法,其特征在于,它包括以下步骤:步骤一:读取高光谱遥感数据,采用主成分分析法计算获得高光谱遥感数据的特征值和特征向量,进而获得高光谱遥感数据的光谱特征;再运用灰度共生矩阵由特征向量提取获得高光谱遥感数据的空间特征;步骤二:将光谱特征与空间特征整合为多特征集合;步骤三:由多特征集合确定标记样本并选择训练样本和测试样本;步骤四:基于集成学习方法,设计特征差异的Adaboost集成分类框架,并使用训练样本训练获得F个弱分类器;步骤五:使用F个弱分类器对测试样本进行分类。 |
地址 |
150001 黑龙江省哈尔滨市南岗区西大直街92号 |