基于降维Gabor特征和决策融合的高光谱图像分类
Hyperspectral image classification based on dimensionality reduction Gabor feature and decision fusion作者机构:重庆电子工程职业学院数字媒体学院重庆401331 西南大学学生工作处重庆400715
出 版 物:《计算机应用研究》 (Application Research of Computers)
年 卷 期:2020年第37卷第3期
页 面:928-931页
学科分类:0810[工学-信息与通信工程] 08[工学] 081002[工学-信号与信息处理]
基 金:重庆市教委课题项目(KJ1729408) 重庆市教委教改重点项目(162071)。
主 题:高光谱图像 分类 Gabor特征 高斯混合模型 决策融合 PCA投影
摘 要:针对传统高光谱图像分类算法忽略空间特征这个问题,提出一种基于Gabor特征和决策融合的高光谱图像分类算法。首先,通过系数相关矩阵智能地对相邻和高相关光谱带进行分组;接着,在PCA投影子空间中提取每组中的Gabor特征,以量化局部方向和尺度特征;然后,结合保留非负矩阵分解的局部性以减少这些特征子空间的维度;最后,对降维特征进行高斯混合模型分类,并使用对数分类池决策融合规则将分类结果合并。实验结果表明,所提算法优于传统和现有的共计八种先进的分类算法。