广东交通职业技术学院轨道交通学院, 广东 广州 510650
滤波器在提取高光谱图像空间纹理信息时往往容易陷入局部的特征提取。针对这一问题,提出一种自适应流形滤波的高光谱图像分类算法(AMF-SVM)。该方法采用自适应寻优,先计算第一个流形,然后根据流形树高度进行递归投射、平滑和聚合处理,结合处理结果对高光谱进行线性滤波,得到较好的空间特征,并由支持向量机(SVM)完成分类,最后获得最优的分类结果。实验表明,相比使用光谱信息、高光谱降维、空谱信息结合的SVM分类方法,边缘保持滤波以及递归滤波的方法,AMF-SVM对高光谱图像的分类精度有较大提高,充分说明了该方法的有效性。
图像处理 高光谱图像 自适应流形滤波 空间纹理信息 全局寻优 分类 激光与光电子学进展
2018, 55(4): 041010
1 广东交通职业技术学院计算机工程学院, 广东 广州 510650
2 哈尔滨工程大学信息与通信工程学院, 黑龙江 哈尔滨 150001
针对单一滤波器提取高光谱图像空间特征时不能获得完整的图像空间信息的不足, 提出一种结合非局部均值滤波和导向滤波的高光谱图像分类算法。该方法利用非局部均值滤波提取高光谱全波段图像空间信息, 利用导向滤波提取经由主成分分析(PCA)降维后的高光谱图像的空间边缘信息, 将两种空间信息进行线性融合的结果输入至支持向量机(SVM)完成分类。实验表明, 相比于使用光谱信息、高光谱PCA降维、空谱结合的SVM分类、边缘保持滤波以及递归滤波等方法, 该算法能够有效提高光谱图像的分类精度。
图像处理 高光谱图像 非局部均值滤波 导向滤波 空间信息融合 分类 激光与光电子学进展
2017, 54(8): 081002
1 广东交通职业技术学院 计算机工程学院, 广州 510650
2 哈尔滨工程大学 信息与通信工程学院, 哈尔滨 150001
针对单一的滤波器提取高光谱图像空间纹理信息时不能获得完整的图像特征的不足, 提出一种结合双边滤波和域转换标准卷积滤波的高光谱图像分类算法.该方法采用空间信息自适应融合的分类寻优, 先对高光谱波段进行抽样分组, 再用双边滤波和域转换标准卷积滤波对分组后的波段进行滤波, 两种空间信息进行线性融合后交由支持向量机完成分类.实验表明, 相比使用光谱信息、高光谱降维、空谱结合的支持向量机分类方法和边缘保持滤波以及递归滤波的方法, 本文所提算法对高光谱图像的分类精度有较大提高, 在训练样本仅为5%和3%的情况下, 对印第安农林和帕维亚大学图像的总体分类精度分别达到了96.95%和97.89%, 比其他算法高出2~13个百分点, 验证了该方法在高光谱图像分类的有效性.
高光谱图像 空间信息 自适应融合 分类 双边滤波 域转换卷积滤波 Hyperspectral image Spatial information Adaptive fusion Classification Bilateral filter Domain transform filter of convolution
