基于区域核的高光谱图像分类方法
传统的光谱分类方法和光谱—空域联合分类方法,其本质都是寻求一种合理有效的相似性度量,实现准确的目标分类.光谱分类方法基于光谱相似性度量进行分类;而光谱—空域分类方法在考虑光谱相似性的同时,还利用了空域相似性.这种空域相似性依赖空域邻域信息,如组合核方法中的邻域均值相似性、图像分割和形态学方法中的邻域像素连通性等.从本质上来看,这些光谱—空域分类方法都在试图描述邻域像素所构成的局部区域之间的某种相似性.由于直接度量区域之间的相似性或距离比较困难,光谱分类方法和一些空谱分类方法中通常基于像素点或特征向量进行分类.然而,这种点到点的距离相似性度量并不能充分地描述高光谱图像局部同源区域之间的结构相似性.为此,本文构造一种新的区域核,直接度量区域之间的相似性.区域核分类中,一方面区域蕴含丰富的多重空谱特征;另一方面核框架易于刻画不同区域间的线性或非线性关系,从而有助于得到更加准确可靠的分类结果.
高光谱影像 图像分类 区域核 相似性度量
彭江涛
湖北大学数学与统计学学院 武汉市武昌区友谊大道368号,430062
国内会议
西安
中文
106-107
2015-09-01（万方平台首次上网日期，不代表论文的发表时间）