一種新的空譜聯(lián)合高光譜圖像分類方法_第1頁(yè)
一種新的空譜聯(lián)合高光譜圖像分類方法_第2頁(yè)
一種新的空譜聯(lián)合高光譜圖像分類方法_第3頁(yè)
全文預(yù)覽已結(jié)束

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

一種新的空譜聯(lián)合高光譜圖像分類方法紹了一種新的空譜聯(lián)合高光譜圖像分類方法。該方法結(jié)空間信息和光譜信息的優(yōu)勢(shì)，可以更準(zhǔn)確地分類高光譜圖像。該方結(jié)果表明，本文提出的方法在保證分類精度的同時(shí)，具有更高的魯譜圖像；分類；空譜聯(lián)合；特征提??；分類器組合近年來發(fā)展起來的一種新型遙感數(shù)據(jù)，具有高維、高征等特點(diǎn)。但由于噪聲干擾、光譜混合等原因，傳統(tǒng)的分類方法在高譜圖像上的分類精度往往不高。為了解決這個(gè)問題，許多學(xué)者進(jìn)行了量的研究工作，提出了許多新的分類方法，如基于支持向量機(jī)、神經(jīng)譜圖像，本文提出了一種新的空譜聯(lián)合高光類方法。該方法結(jié)合了空間信息和光譜信息的優(yōu)勢(shì)，采用了兩保證分類精度的同時(shí)，具有更高的魯棒性和泛化性能，能夠更特征法非本文采用了兩種不同的特征提取方法：光譜特征提取和空間特征提取是指利用高光譜圖像中每個(gè)像素的光譜反射率進(jìn)行計(jì)個(gè)像素的光譜反射率組成的向量作為該像素的特征向量。由于像中每個(gè)像素的光譜反射率具有很多噪聲和冗余信息，因此需要對(duì)其進(jìn)行降維處理。本文采用了主成分分析(PCA)對(duì)光譜信息進(jìn)行降CA提取是指在高光譜圖像中，每個(gè)像素周圍的鄰域像素的空息被用來建立該像素的特征向量?；卩徲虻目臻g特征提取方法效果更好，因此本文采用一種基于灰度共生矩陣(GLCM)的空間特征取完畢后，需要將特征向量輸入到分類器中進(jìn)行分類。不器具有不同的優(yōu)缺點(diǎn)，單一分類器很難滿足高光譜圖像分類的本文采用了k近鄰算法(k-NN)、支持向量機(jī)(SVM)和決策樹 (DT)等三種分類器，先分別對(duì)光譜和空間特征進(jìn)行單一分類，然后將使用徑向基函數(shù)(RBF)作為SVM的核函數(shù)，以獲得最佳的分類效果。果集占數(shù)據(jù)總量的60%。aCentercd出的方法分類結(jié)果；圖1(e)是的方法分類結(jié)果?？梢钥闯?，空譜聯(lián)合的方法在保證分類精度一種新的空譜聯(lián)合的高光譜圖像分類方法，該方法融合信息和光譜信息的優(yōu)勢(shì)，采用了

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫(kù)網(wǎng)僅提供信息存儲(chǔ)空間，僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請(qǐng)與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論