没有合适的资源?快使用搜索试试~ 我知道了~
论文研究-基于随机森林的高光谱遥感图像分类.pdf
需积分: 49 19 下载量 23 浏览量
2019-09-16
10:10:05
上传
评论 5
收藏 567KB PDF 举报
温馨提示
试读
5页
为了充分利用高光谱图像的光谱信息和空间结构信息,提出了一种新的基于随机森林的高光谱遥感图像分类方法,首先,利用主成分分析降低数据的维数,并对主成分进行独立成分分析提取其光谱特征,同时消除像元的空间相关性,再采用形态学分析提取像元的空间结构特征,然后,根据像元的谱域和空域特征分别构造随机森林,并引入空间连续性对像元点的预测结果进行约束修正,最后由投票机制决定最后的分类结果。在AVIRIS和ROSIS高光谱图像上的实验结果表明,所提方法的分类性能要优于传统的高光谱图像分类方法,且分类精度高于基于单一特征的方法。
资源推荐
资源详情
资源评论
2016,52(24)
1 引言
高光谱遥感成像仪能同时从宽电磁波谱中获取上
百个连续的从可见光到红外的窄频谱波段信息
[1]
。高光
谱图像光谱分辨率高,波段维数高,能提供更精细的地
物光谱信息,但大数据量增加了计算机处理的复杂度,
影响分类的效率。高光谱较高的波段相关性以及信息
冗余性,也抑制了分类的性能,甚至会引发维数灾难,出
现严重的 hughes 现象
[2-3]
。因此,有效地降低特征间的维
数,剔除冗余信息,提取出对地物分类有效的特征,成为
高精度的高光谱图像地物分类和目标识别研究的基础。
高光谱数据降维分波段选择和特征提取两种。前者
根据一定的评价准则从原始波段中选择最有效的若干
个波段,如顺序前进法(SFS)、顺 序 后 退 法(SBS)等
[4]
。
后者通过映射和变换的方法,把原始波段空间的高维数
据变换为特征空间的低维数据,如主成分分析 PCA,小
噪声分离变换 MNF,小波变换 WT,独立成分分析 ICA
基于随机森林的高光谱遥感图像分类
李 垒
1
,任越美
1,2
LI Lei
1
, RE N Yuemei
1,2
1.河南工业职业技术学院 计算机工程系,河南 南阳 473000
2.西北工业大学 计算机学院,西安 710129
1.Department of Computer Engineering, Henan Polyte chnic Institute, Nanyang, Henan 473000, China
2.School of Comp uter Science, Northwestern Polytechnical University, Xi’an 710129, China
LI L ei, REN Yuemei. Classification of hyperspectral data based on random forest. Com puter Engineering a nd Appli-
cations, 2016, 52(24):189-193.
Abstract:In order to make full use of spectral information and spatial structure information of hyperspectral image, a
new classification approach based on random forest for hyperspectral data classificati on is proposed. Firstly, the d imension
of the data is reduced by principal component analysis. The spectral features are extracted by independent component analysis,
which can eliminate the spatial correlation among pixels. Then morphological analysis is u sed to ex tract the sp atial str ucture
features of pixels. Moreover, random forests are respectively constructed based on spectral information and spati al structure
feature, and the spa tial continuity c onstraint is introduced to fix the prediction r esults of pixels. Finally, the classification
result is decided by voting strategy. Experiments on AV IRIS and ROS IS hyperspectral images demonstrate tha t the proposed
approach has better performance than the classical methods and metho ds based on single feature.
Key words :hyperspectral image; image classification; random forest; independent component anal ysis
摘 要:为了充分利用高光谱图像的光谱信息和空间结构信息,提出了一种新的基于随机森林的高光谱遥感图像分
类方法,首先,利用主成分分析降低数据的维数,并对主成分进行独立成分分析提取其光谱特征,同时消除像元的空
间相关性,再采用形态学分析提取像元的空间结构特征,然后,根据像元的谱域和空域特征分别构造随机森林,并引
入空间连续性对像元点的预测结果进行约束修正,最后由投票机制决定最后的分类结果。在 AVIRIS 和 ROSIS 高光
谱图像上的实验结果表明,所提方法的分类性能要优于传统的高光谱图像分类方法,且分类精度高于基于单一特征
的方法。
关键词:高光谱图像;图像分类;随机森林;独立成分分析
文献标志码:A 中图分类号:TP391 doi:10.3778/j. issn.1002-8331.1503-0255
基金项目:国家自然科学基金(No.61231016,No.61301192,No.61303123);河南省科技攻关计划(No.142102210 557)。
作者简介:李垒(1982—),男,讲师,研究领域为计算机软件、数字图像处理,E-mail:lileitf@163.com;任越美(1984—),女,博士研
究生,讲师,研究领域为数字图像处理、模式识别。
收稿日期:2015-03-23 修回日期:2015-06-04 文章编号:1002-8331(2016)24-0189-05
C omputer Engineering and Applicat ions 计算机工程与应用
189
资源评论
weixin_38744270
- 粉丝: 327
- 资源: 2万+
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功