Print

递归滤波与KNN的高光谱遥感图像分类方法

论文摘要

为了有效去除高光谱图像中的噪声,强化空间结构,充分利用地物目标的空间上下文信息,提升高光谱图像的分类精度,提出一种基于递归滤波（recursive filtering,RF）和KNN（k-nearest neighbor）算法的高光谱图像分类方法。首先,利用主成分分析法对高光谱图像进行降维;其次,通过RF算法对降维后的主成分图像进行滤波,以增强遥感图像的轮廓特征;然后,采用KNN算法计算测试样本与不同类别训练样本的欧式距离,根据比较k个最小欧式距离的平均值得到测试样本所属类别;最后,在2个典型的数据库上进行实验验证,并分析所提算法中不同参数对分类精度的影响。实验结果表明,RF算法可以有效地去除噪声点,强化图像轮廓,与其他高光谱图像分类方法相比,该方法在分类准确性方面表现突出。

论文目录

  • 1 引言
  • 2 方法原理
  •   2.1 RF算法
  •   2.2 KNN算法
  •   2.3 RF-KNN分类方法
  •   2.4 评价指标
  • 3 实验数据及参数分析
  •   3.1 实验数据集
  •   3.2 实验参数分析
  • 4 实验结果与分析
  •   4.1 不同分类算法比较
  •   4.2 实验结果
  •     4.2.1 Indian Pines数据集
  •     4.2.2 Salinas数据集
  • 5 结论

    • 文章来源

    类型: 期刊论文

    作者: 涂兵,张晓飞,张国云,王锦萍,周瑶

    关键词: 高光谱图像,递归滤波,主成分分析,欧式距离

    来源: 国土资源遥感 2019年01期

    年度: 2019

    分类: 基础科学,工程科技Ⅱ辑,信息科技

    专业: 工业通用技术及设备,自动化技术

    单位: 湖南理工学院信息与通信工程学院,湖南理工学院复杂系统优化与控制湖南省普通高等学校重点实验室,湖南理工学院IIP创新实验室

    基金: 国家自然科学基金项目“基于改进集合经验模态分解与稀疏表示的连续钻井液压力波信号处理与识别方法研究”(编号:51704115),湖南省研究生科研创新项目“高光谱遥感图像深层空谱特征提取方法及洞庭湖水域动态监测研究”(编号:CX2018B771),湖南省科技计划项目“复杂工业物流系统智能控制与优化”(编号:2016TP1021)共同资助

    分类号: TP751

    页码: 22-32

    总页数: 11

    文件大小: 853K

    下载量: 412

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/4783e3932833da3f4923ced3.html