基于目标约束与谱空迭代的高光谱图像分类方法

针对复杂背景像元影响高光谱分类精度的问题，将目标检测方法引入地物分类研究，提出了一种基于谱空特征迭代的高光谱图像分类方法，该方法通过将约束能量最小化设计了一种多目标约束的类别分类器(MTCC)。该分类器利用检测原理提取多类目标地物，有效地降低了复杂背景数据对分类精度的影响;同时为了解决光谱特征带来的过分类问题，方法中利用反馈式谱空融合方式强化空间增强信息在分类中的作用，以逐步提高分类精度。利用Purdue、Salinas和Pavia数据集进行实验，结果表明，所提方法的平均分类精度分别为98.09%、97.33%和84.68%，精确率分别为96.84%、95.32%和79.13%，与其他方法相比所提方法具有更高的泛化能力，实用性更强。