高光谱图像(HSI)分类是遥感领域中的一个普遍问题。 HSI分类的基本挑战包括训练样本数量少,高光谱数据的维数高以及合适的空间光谱特征。 在本文中,我们提出了一种基于极限学习机(ELM)的HSI分类的多特征融合新方法。 我们通过主成分分析(PCA)提取光谱特征,并通过局部二值模式(LBP),Gabor特征和扩展多属性轮廓(EMAP)提取空间特征。 然后,基于极限学习机模型,利用概率投票融合多种特征。 在真实HSI上的实验表明,该方法优于现有方法,适用于训练样本量较小的情况
评论星级较低,若资源使用遇到问题可联系上传者,3个工作日内问题未解决可申请退款~