融合空--谱信息的高光谱图像分类方法研究.docx

融合空--谱信息的高光谱图像分类方法研究
融合空谱信息的高光谱图像分类方法研究
摘要:高光谱图像分类是遥感图像研究中的一个重要任务，因为高光谱图像能够提供丰富的光谱信息，对地物进行精细分类。然而，高光谱图像的数据量庞大，而且存在光谱信息的冗余问题。本文研究了一种融合空谱信息的高光谱图像分类方法，通过利用空间信息来降低光谱信息的冗余，并提高分类准确率。通过实验验证，该方法能够取得很好的分类效果。
关键词:高光谱图像分类，空光谱信息，分类准确率
1.引言
高光谱图像是在不同波段下获取的连续的光谱信息，可以提供丰富的光谱信息，因此在地物分类任务中有着广泛的应用。然而，高光谱图像的数据量庞大，同时光谱信息之间存在一定的冗余。因此，在高光谱图像分类任务中，如何提取有效的特征表示，并减少冗余信息，是一个关键的问题。
2.相关工作
在高光谱图像分类任务中，常用的方法有基于光谱信息的分类方法和基于空间信息的分类方法。前者通过利用光谱信息进行分类，而忽略了空间信息的特征。后者则关注地物在图像中的空间分布特征，通过利用纹理、形状等信息进行分类。然而，这两种方法都存在一定的局限性。前者可能会受到光谱信息的冗余影响，而后者可能忽略了一些重要的光谱信息。
3.方法介绍
本文提出了一种融合空谱信息的高光谱图像分类方法。首先，对高光谱图像进行预处理，包括去噪、波段选择等。接着，通过使用光谱相似性指数来提取地物的光谱信息。然后，采用空间分割算法来将图像分割成多个子区域，并计算每个子区域的空间统计特征，如纹理、形状等。最后，通过使用支持向量机（SVM）作为分类器，将光谱信息和空间信息进行融合，进行地物分类。
4.实验结果
本文在某高光谱图像数据集上进行了实验，评估了提出方法的性能。通过与其他常用方法进行比较，结果表明，提出的方法在分类准确率上有显著的提升。融合了空谱信息之后，能够更准确地分类出不同类别的地物。
5.结论和展望
本文研究了一种融合空谱信息的高光谱图像分类方法。通过利用空间信息，减少了光谱信息的冗余，并提高了分类准确率。实验结果表明，该方法具有较好的性能。然而，还有一些问题有待解决，比如选择合适的空间分割算法、进一步优化特征表示等方面。未来的工作可以进一步改进提出的方法，并在更多的数据集上进行验证。
参考文献:
[1]H.Cui,Z.Li,P.Wang,etal.Anovelhyperspectralimageclassificationmethodbycombiningspectral-spatialinformation[J].JournalofRemoteSensing,2018,22(4):595-604.
[2]Z.Zhang,X.Huang,J.Han,etal.FusionofhyperspectralandLiDARdataforclassificationofurbanscenes[J].InternationalJournalofRemoteSensing,2020,41(7):2765-2785.
[3]X.Liu,Y.Zhang,S.Li,etal.Semi-supervisedclassificationofhyperspectralimagesusingdeepGaussianmixturemodel[J].RemoteSensingLetters,2019,10(1):58-67.