本文關鍵詞：整合超像元分割和峰值密度的高光譜圖像聚類

  更多相關文章： 高光譜圖像 聚類 峰值密度 超像元 分割

【摘要】：目的傳統(tǒng)圖像聚類算法多利用像元的光譜信息,較少考慮圖像的空間信息,容易受到噪聲干擾。針對該問題,提出一種整合超像元分割(SLIC)和峰值密度(DP)的高光譜圖像聚類算法。方法首先,利用超像元分割技術對高光譜圖像進行分割并提取超像元光譜特征;然后,根據提取的超像元光譜特征,計算其峰值密度信息,搜索超像元光譜簇,構建像元與類別間的隸屬度關系。最后,利用高光譜模擬數(shù)據以及兩組真實高光譜圖像評價算法的魯棒性和精度。結果在不同信噪比的模擬數(shù)據中,SLIC-DP算法在調整芮氏指標(ARI)最優(yōu)的條件下,較K-means和SLIC-Kmeans的方差降低61.86%和41.61%,體現(xiàn)優(yōu)越的魯棒性。在高光譜數(shù)據集Salinas-A和Indian Pines中,SLIC-DP算法的ARI為0.777 1和0.325 7,較K-Means和SLIC-KMeans聚類算法分別增長10.71%,5.01%與78.86%,25.27%。結論本文算法抗噪聲能力強,充分利用空間信息與光譜信息,有效提升高光譜圖像聚類精度。經驗證,能滿足高光譜圖像信息提取和分析的要求,可進一步推廣和研究。
【作者單位】： 鄭州大學信息工程學院;中國科學院遙感與數(shù)字地球研究所;
【關鍵詞】： 高光譜圖像 聚類 峰值密度 超像元 分割
【基金】：國家自然科學基金項目(41571349,41325004,41301383)~~
【分類號】：TP751
【正文快照】： 第21卷/第10期/2016年10月于文博,王忠勇,李山山,孫旭/整合超像元分割和峰值密度的高光譜圖像聚類0引言高光譜圖像包含連續(xù)的地物光譜曲線,分類技術借助像元光譜或空間特征將其歸類[1],是提取高光譜圖像基礎信息,辨別圖像與地物的對應關系,輔助人工目視解譯的重要方法。分類算

【相似文獻】

中國期刊全文數(shù)據庫 前10條

1 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)據描述方法[J];兵工學報;2008年09期

2 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;2010年04期

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

4 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

5 汪倩;陶鵬;;結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

6 王立國;孫杰;肖倩;;結合空-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

7 馮朝麗;朱啟兵;朱曉;黃敏;;基于光譜特征的玉米品種高光譜圖像識別[J];江南大學學報(自然科學版);2012年02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

中國重要會議論文全文數(shù)據庫 前10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];成像光譜技術與應用研討會論文集[C];2004年

2 高連如;張兵;孫旭;李山山;張文娟;;高光譜數(shù)據降維與分類技術研究[A];第八屆成像光譜技術與應用研討會暨交叉學科論壇文集[C];2010年

3 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‘13年會論文（摘要）集[C];2013年

4 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)合學術會議（HHME2005）論文集[C];2005年

5 楊勇;劉木華;鄒小蓮;苗蓬勃;趙珍珍;;基于高光譜圖像技術的獼猴桃硬度品質檢測[A];走中國特色農業(yè)機械化道路——中國農業(yè)機械學會2008年學術年會論文集（下冊）[C];2008年

6 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量綜合評價[A];第八屆成像光譜技術與應用研討會暨交叉學科論壇文集[C];2010年

7 高東生;高連知;;基于獨立分量分析的高光譜圖像目標盲探測方法研究[A];國家安全地球物理叢書（八）——遙感地球物理與國家安全[C];2012年

8 馮維一;陳錢;何偉基;;基于小波稀疏的高光譜目標探測算法[A];黑龍江、江蘇、山東、河南、江西 五省光學（激光）聯(lián)合學術‘13年會論文（摘要）集[C];2013年

9 彭妮娜;易維寧;方勇華;;基于核函數(shù)的高光譜圖像信息提取研究[A];光子科技創(chuàng)新與產業(yè)化——長三角光子科技創(chuàng)新論壇暨2006年安徽博士科技論壇論文集[C];2006年

10 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

中國博士學位論文全文數(shù)據庫 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 王亮亮;非線性流形結構在高光譜圖像異常檢測中的應用研究[D];國防科學技術大學;2014年

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

4 魏然;基于成像機理分析的高光譜圖像信息恢復研究[D];哈爾濱工業(yè)大學;2015年

5 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

6 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

7 孫濤;快速多核學習分類研究及應用[D];西安電子科技大學;2015年

8 李昌國;基于譜間和校正相關性的高光譜圖像壓縮方法研究及GPU并行實現(xiàn)[D];成都理工大學;2015年

9 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

10 南一冰;星載推掃型高光譜運動成像誤差建模與高精度校正技術研究[D];北京理工大學;2015年

中國碩士學位論文全文數(shù)據庫 前10條

1 豐爍;高光譜圖像波段選取問題的改進算法研究[D];昆明理工大學;2015年

2 趙偉彥;果蔬干燥過程中的品質無損檢測技術研究[D];江南大學;2015年

3 馬亞楠;果蔬中內部害蟲的高光譜圖像檢測技術研究[D];江南大學;2015年

4 劉大洋;基于近紅外光譜和高光譜圖像技術無損識別獼猴桃膨大果[D];西北農林科技大學;2015年

5 王坤;高光譜圖像異常目標檢測及光譜成像在偽裝評估方面的應用研究[D];南京理工大學;2015年

6 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

7 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

8 李秩期;基于高光譜及多信息融合的馬鈴薯外部缺陷無損檢測研究[D];寧夏大學;2015年

9 王健;基于高光譜圖像的馬鈴薯形狀及重量分類識別建模研究[D];寧夏大學;2015年

10 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

，

本文編號：905880