本文關(guān)鍵詞： 高光譜圖像 分類 雙邊濾波 像元鄰域信息 空間相關(guān)信息　出處：《農(nóng)業(yè)機械學報》2017年08期 　論文類型：期刊論文

【摘要】：提出了一種基于雙邊濾波和像元鄰域信息的高光譜圖像分類(BS-SVM)算法。該方法首先利用雙邊濾波器提取經(jīng)主成分分析降維后的高光譜圖像空間紋理信息,然后通過設(shè)計一種高光譜像元鄰域信息來構(gòu)建高光譜的空間相關(guān)信息,最后將2種空間信息融合后與光譜信息結(jié)合,形成空譜信息(空間信息和光譜信息)后交由支持向量機完成分類。實驗結(jié)果表明,相比單純使用光譜信息的支持向量機的分類方法以及基于Gabor濾波的空譜信息結(jié)合分類方法,所提出的BS-SVM方法分類精度有較大幅度提高,充分證明了該方法的有效性。
[Abstract]:A BS-SVM algorithm for hyperspectral image classification based on bilateral filtering and pixel neighborhood information is proposed. Firstly, the spatial texture information of hyperspectral image reduced by principal component analysis (PCA) is extracted by two-sided filter. Then the hyperspectral spatial correlation information is constructed by designing a hyperspectral pixel neighborhood information. Finally, the two spatial information are fused and combined with the spectral information. Spatial spectrum information (spatial information and spectral information) is formed and classified by support vector machine. The experimental results show that compared with the classification method of support vector machine using spectral information only and the method of combining space spectrum information based on Gabor filter, the experimental results show that, The classification accuracy of the proposed BS-SVM method is greatly improved, which fully proves the effectiveness of the proposed method.
【作者單位】： 廣東交通職業(yè)技術(shù)學院計算機工程學院;哈爾濱工程大學信息與通信工程學院;青島理工大學通信與電子工程學院;
【基金】：國家自然科學基金項目(61275010、61675051) 國家星火計劃項目(2014GA780056) 廣東交通職業(yè)技術(shù)學院校改重點科研課題(2017-1-001)
【分類號】：TN713;TP751

【相似文獻】

相關(guān)期刊論文 前10條

1 陳雨時;張曄;張鈞萍;;基于線性模型最優(yōu)預測的高光譜圖像壓縮[J];南京航空航天大學學報;2007年03期

2 諶德榮;宮久路;陳乾;曹旭平;;基于樣本分割的快速高光譜圖像異常檢測支持向量數(shù)據(jù)描述方法[J];兵工學報;2008年09期

3 蒲曉豐;雷武虎;張林虎;蔣奇材;;基于Fukunaga-Koontz變換的高光譜圖像異常檢測[J];紅外技術(shù);2010年04期

4 成寶芝;郭宗光;;高光譜圖像波段間相關(guān)特性研究[J];大慶師范學院學報;2013年06期

5 楊龍;易宏杰;李因彥;;遙感高光譜圖像赤潮識別[J];傳感器世界;2007年05期

6 汪倩;陶鵬;;結(jié)合空間信息的高光譜圖像快速分類方法[J];微計算機信息;2010年21期

7 王立國;孫杰;肖倩;;結(jié)合空-譜信息的高光譜圖像分類方法[J];黑龍江大學自然科學學報;2010年06期

8 付歡;龍海南;韓曉霞;;基于冗余字典的高光譜圖像的稀疏分解[J];河北軟件職業(yè)技術(shù)學院學報;2013年04期

9 耿修瑞,張霞,陳正超,張兵,鄭蘭芬,童慶禧;一種基于空間連續(xù)性的高光譜圖像分類方法[J];紅外與毫米波學報;2004年04期

10 張綺瑋;機載高光譜遙感圖像處理軟件系統(tǒng)[J];紅外;2005年02期

相關(guān)會議論文 前5條

1 張兵;王向偉;鄭蘭芬;童慶禧;;高光譜圖像地物分類與識別研究[A];成像光譜技術(shù)與應(yīng)用研討會論文集[C];2004年

2 王成;何偉基;陳錢;;基于波段重組和小波變換的高光譜圖像嵌入式壓縮方法[A];黑龍江、江蘇、山東、河南、江西 五省光學（激光）聯(lián)合學術(shù)‘13年會論文（摘要）集[C];2013年

3 孫蕾;羅建書;;基于分類預測的高光譜遙感圖像無損壓縮[A];第一屆建立和諧人機環(huán)境聯(lián)合學術(shù)會議（HHME2005）論文集[C];2005年

4 張曉紅;張立福;王晉年;童慶禧;;HJ-1A衛(wèi)星高光譜遙感圖像質(zhì)量綜合評價[A];第八屆成像光譜技術(shù)與應(yīng)用研討會暨交叉學科論壇文集[C];2010年

5 蒲曉豐;雷武虎;黃濤;王迪;;基于穩(wěn)健背景子空間的高光譜圖像異常檢測[A];中國光學學會2010年光學大會論文集[C];2010年

相關(guān)博士學位論文 前10條

1 普晗曄;高光譜遙感圖像的解混理論和方法研究[D];復旦大學;2014年

2 賀智;改進的經(jīng)驗模態(tài)分解算法及其在高光譜圖像分類中的應(yīng)用[D];哈爾濱工業(yè)大學;2014年

3 葉珍;高光譜圖像特征提取與分類算法研究[D];西北工業(yè)大學;2015年

4 馮婕;基于軟計算和互信息理論的遙感圖像地物分類[D];西安電子科技大學;2014年

5 曲海成;面向光譜解混的高光譜圖像快速處理技術(shù)研究[D];哈爾濱工業(yè)大學;2016年

6 王忠良;基于線性混合模型的高光譜圖像壓縮感知研究[D];西北工業(yè)大學;2015年

7 賀霖;高光譜圖像自動目標檢測技術(shù)研究[D];西北工業(yè)大學;2007年

8 周爽;蟻群算法在高光譜圖像降維和分類中的應(yīng)用研究[D];哈爾濱工業(yè)大學;2010年

9 高恒振;高光譜遙感圖像分類技術(shù)研究[D];國防科學技術(shù)大學;2011年

10 徐速;基于壓縮感知的高光譜圖像稀疏解混方法研究[D];重慶大學;2015年

相關(guān)碩士學位論文 前10條

1 王啟聰;高光譜圖像分類的GPU并行優(yōu)化研究[D];南京理工大學;2015年

2 程凱;無先驗信息的高光譜圖像小目標檢測算法研究[D];蘇州大學;2015年

3 吳蓓芬;偏振高光譜圖像場景仿真及分類方法研究[D];哈爾濱工業(yè)大學;2015年

4 霍瑩;高光譜CCD機載相機檢測設(shè)備研制[D];長春理工大學;2015年

5 王磊;基于張量的高光譜遙感圖像壓縮研究[D];復旦大學;2014年

6 鄔文慧;空譜聯(lián)合高光譜遙感圖像半監(jiān)督分類[D];西安電子科技大學;2014年

7 王依萍;基于主動學習的高光譜圖像分類方法研究[D];西安電子科技大學;2014年

8 劉嘉慧;基于稀疏表示的高光譜圖像分類和解混方法研究[D];西安電子科技大學;2014年

9 王U喺，

本文編號：1548603