本文關鍵詞：結合經驗模態(tài)分解和Gabor濾波的高光譜圖像分類

  更多相關文章： 高光譜圖像 圖像分類 空間信息 經驗模態(tài)分解 Gabor濾波

【摘要】：針對傳統(tǒng)實施于原始數(shù)據(jù)空間的紋理提取方法的不足,采用經驗模態(tài)分解理論提取高光譜圖像中空間結構明顯的固有模態(tài)分量,并在提取出的分量上進行Gabor濾波操作,將傳統(tǒng)紋理提取方式轉移到變換域上進行,提出了一種基于二維經驗模態(tài)分解融合空間信息的高精度紋理提取算法。對兩個數(shù)據(jù)集進行仿真實驗,實驗結果表明改進算法有效地提高了高光譜圖像分類精度且抗噪性能良好,提出算法性能明顯優(yōu)于傳統(tǒng)Gabor-PCA算法,能夠更大程度挖掘高光譜圖像空間信息。
【作者單位】： 哈爾濱工程大學信息與通信工程學院;
【關鍵詞】： 高光譜圖像 圖像分類 空間信息 經驗模態(tài)分解 Gabor濾波
【基金】：國家自然科學基金資助項目(61275010) 國家教育部博士點基金資助項目(20132304110007) 黑龍江省自然科學基金資助項目(F201409) 中央高�；究蒲袠I(yè)務費資助項目(HEUCFD1410)
【分類號】：TP751
【正文快照】： 高光譜和空間分辨率遙感影像近幾年受到越來越多的關注,這類高光譜數(shù)據(jù)被廣泛應用于城市地區(qū)土地覆蓋/土地利用制圖上。為了廣泛利用高光譜圖像的空間結構以及光譜信息,國內外學者已展開了若干研究。其中Fauvel將光譜信息與提取的目標特征信息重構目標特征矢量,并通過分類實驗

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前1條

1 沈毅;張敏;張淼;;基于互信息波段選擇和經驗模態(tài)分解的高精度高光譜數(shù)據(jù)分類[J];激光與光電子學進展;2011年09期

【共引文獻】

中國期刊全文數(shù)據(jù)庫 前3條

1 趙春暉;齊濱;張q，

本文編號：583252