一种基于空间一致性降元的高光谱图像非监督分类
为了提高分类精度和边缘辨识性,该文引入图像空间一致性降元(Pixels Reduction with Spatial Coherence Property,PRSCP)及线性回归分析,提出了一种基于空间一致性降元的非监督分类。该方法从像元光谱相似性出发,利用像元最小关联窗口合并相邻相似像元为像块完成降元。使用线性关系建模像块内像元的光谱向量,并利用F检验判断像块数据的线性显著性。利用一元线性回归(One Dimensional Linear Regression,ODLR)估计出像块的基准向量,根据基准向量合并相似(同类)像块完成分类。利用AVIRIS数据评估了该方法性能,并且与K-MEANS和ISODATA进行了对比。实验结果表明：与K-MEANS和ISODATA方法相比,该方法精度高、边缘辨识度好及鲁棒性强。
降元 空间一致性 一元线性回归 非监督分类 高光谱图像
岳江 张毅 徐杭威 柏连发
南京理工大学 电子工程与光电技术学院,南京 210094
国内会议
南京
中文
55-62
2012-06-08（万方平台首次上网日期，不代表论文的发表时间）