基于MNF变换结合扩展属性滤波的高光谱影像分类方法

摘要

本发明公开一种MNF变换结合扩展属性滤波的高光谱遥感影像分类方法，包括：步骤1，对高光谱遥感影像进行最小噪声分离变换；步骤2，选择MNF分量数目，并根据波段数的特征值及相邻波段特征值的梯度两个约束来选择待保留的MNF分量数目；步骤3，对每一个MNF分量执行扩展属性滤波剖面；步骤4，将每一个MNF分量的影像属性开剖面、属性闭剖面及分量本身堆叠成起来，然后采用K型-SVM进行分类，得到最终的高光谱分类图像。该方法通过MNF在降噪的同时，能够有效地降低高光谱数据的维数。在此基础上，将降维后的光谱信息和EAP滤波所得的纹理信息组合，再利用K-type SVM降低计算代价同时又和RBF核具有相似的性能的特点，从而提高了高光谱遥感影像的分类精度。

主权项

一种MNF变换结合扩展属性滤波的高光谱遥感影像分类方法，其特征在于，包括：步骤1，对高光谱遥感影像进行最小噪声分离变换；步骤2，选择MNF分量数目，并根据波段数的特征值及相邻波段特征值的梯度两个约束来选择待保留的MNF分量数目；步骤3，对每一个MNF分量执行扩展属性滤波剖面；步骤4，将每一个MNF分量的影像属性开剖面、属性闭剖面及分量本身堆叠成起来，然后采用K型‑SVM进行分类，得到最终的高光谱分类图像。