本文關(guān)鍵詞：基于隨機森林的高光譜遙感圖像分類

  更多相關(guān)文章： 高光譜圖像 圖像分類 隨機森林 獨立成分分析

【摘要】：為了充分利用高光譜圖像的光譜信息和空間結(jié)構(gòu)信息,提出了一種新的基于隨機森林的高光譜遙感圖像分類方法,首先,利用主成分分析降低數(shù)據(jù)的維數(shù),并對主成分進行獨立成分分析提取其光譜特征,同時消除像元的空間相關(guān)性,再采用形態(tài)學(xué)分析提取像元的空間結(jié)構(gòu)特征,然后,根據(jù)像元的譜域和空域特征分別構(gòu)造隨機森林,并引入空間連續(xù)性對像元點的預(yù)測結(jié)果進行約束修正,最后由投票機制決定最后的分類結(jié)果。在AVIRIS和ROSIS高光譜圖像上的實驗結(jié)果表明,所提方法的分類性能要優(yōu)于傳統(tǒng)的高光譜圖像分類方法,且分類精度高于基于單一特征的方法。
【作者單位】： 河南工業(yè)職業(yè)技術(shù)學(xué)院計算機工程系;西北工業(yè)大學(xué)計算機學(xué)院;
【基金】：國家自然科學(xué)基金(No.61231016,No.61301192,No.61303123) 河南省科技攻關(guān)計劃(No.142102210557)
【分類號】：TP751
【正文快照】： 1引言高光譜遙感成像儀能同時從寬電磁波譜中獲取上百個連續(xù)的從可見光到紅外的窄頻譜波段信息[1]。高光譜圖像光譜分辨率高,波段維數(shù)高,能提供更精細的地物光譜信息,但大數(shù)據(jù)量增加了計算機處理的復(fù)雜度,影響分類的效率。高光譜較高的波段相關(guān)性以及信息冗余性,也抑制了分類

【相似文獻】

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 雷震;隨機森林及其在遙感影像處理中應(yīng)用研究[D];上海交通大學(xué);2012年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 姚明煌;隨機森林及其在遙感圖像分類中的應(yīng)用[D];華僑大學(xué);2014年

，

本文編號：1251202