多尺度超像素纹理特征保持与融合的高光谱图像分类.docx
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
![preview](https://dl-preview.csdnimg.cn/87486847/0001-9c9e28db4b4dea4567530c34c099f37f_thumbnail-wide.jpeg)
![preview-icon](https://csdnimg.cn/release/downloadcmsfe/public/img/scale.ab9e0183.png)
"多尺度超像素纹理保持与融合的高光谱图像分类" 高光谱图像分类是遥感技术中的一个重要应用领域,它可以应用于地表诊断、矿物勘探、精准农业等领域。然而,高光谱图像的低光谱可分离性及低空间分辨率的特性给高光谱图像的数据处理带来了不可避免的困难与挑战。 为解决高光谱图像分类的难题,研究人员提出了多种特征提取技术,包括光谱特征提取和空间特征提取。光谱特征提取技术旨在将高维非线性光谱特征进行投影或映射至低维线性子空间,以期改善像元的可分离性。例如,主成分分析法(Principal Component Analysis, PCA)通过线性变换将高维特征映射到低维子空间,降低信息冗余并保留有价值的判别信息。 然而,光谱特征提取技术仅考虑了高光谱图像的光谱信息,并不能显著提升分类器的精度。因此,研究人员开始关注空间特征提取技术,旨在引入像元的空间上下文信息,以进一步提升分类器精度。例如,Chen 等人[3]利用像元空间上下文相关性,提出联合稀疏表示模型(Joint Sparsity Reconstruction and Classification, JSRC),有效平滑了分类中椒盐噪声。 超像素分割算法是一种依据图像颜色、亮度等显性特征对像元进行聚类的技术,能够有效提取到像元局部空间结构信息。例如,Yu 等人[4]结合多尺度超像素子空间与支持向量机设计了一种超像素级的分类器,实验证明该方法能够缓解方形窗口邻域内的噪声及信息缺失问题。 图像纹理是符合人类视觉感知的材质表征信息之一,被成功应用于高光谱图像分类、异常检测等领域。同时,图像纹理信息的重要性催生了许多特征提取技术,如灰度共生矩阵(Gray Level Co-occurrence Matrix, GLCM)、局部二值模式(Local Binary Pattern, LBP)及 Gabor 等。GMCL 与 LBP 是自然图像处理中较为流行的纹理描述方法,可以最大限度地提高图像纹理特征的表征力。 Gabor 滤波器因其多通道、多分辨率的特性,能够获得多方向及多尺度纹理特征,被广泛用于大量的高光谱研究工作中。例如,Xu 等人[9]提出基于 Gabor 滤波协同表示的分类方法,与原始协同表示方法相比,具有良好的分类性能。 然而,上述工作均未从 Gabor 滤波器的不同方向以及尺度来刻画与提取高光谱图像的纹理特征,因此,不可避免地影响高光谱图像中类边界以及角点像元的精准识别。 综上,相比于光谱特征提取技术,空间特征提取技术在提升分类器精度方面具有良好优势,同时,基于超分割的空间邻域信息比方形窗口的空间信息更有优越性。然而,超像素是一种基于图像显性特性的像元聚类方法,难以避免邻域中存在隐性不相关像元。此外,Gabor 作为多通道及多分辨率纹理特征提取的滤波器,简单地将 Gabor 滤波器作用于高光谱图像并不能多层次地反映与提取其深层纹理特征。 为了解决上述问题,本文提出多尺度超像素纹理保持与融合的特征提取方法。该方法主要包括纹理特征提取与融合、多尺度超像素分割、同质区域纹理保持和多尺度决策融合四个主要步骤。 在纹理特征提取与融合步骤中,我们采用 2D Gabor 滤波器作用至高维主成分图像,提取原始高光谱图像的丰富纹理特征信息。然后,我们使用多尺度超像素分割算法对高光谱图像进行分割,获取多尺度超像素特征信息。接着,我们对同质区域进行纹理保持,进一步提高分类器精度。最后,我们使用多尺度决策融合方法对各个尺度的分类结果进行融合,获得最终的分类结果。 通过实验结果可以看到,本文提出的多尺度超像素纹理保持与融合的特征提取方法能够显著地提升高光谱图像分类的精度,且具有良好的泛化能力。
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083646.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![](https://csdnimg.cn/release/download_crawler_static/87486847/bg1.jpg)
![](https://csdnimg.cn/release/download_crawler_static/87486847/bg2.jpg)
![](https://csdnimg.cn/release/download_crawler_static/87486847/bg3.jpg)
剩余11页未读,继续阅读
![avatar-default](https://csdnimg.cn/release/downloadcmsfe/public/img/lazyLogo2.1882d7f4.png)
![avatar](https://profile-avatar.csdnimg.cn/3f07197aad004e4fa57ac5a008eb6aaf_weixin_57147647.jpg!1)
- 粉丝: 3907
- 资源: 1万+
![benefits](https://csdnimg.cn/release/downloadcmsfe/public/img/vip-rights-1.c8e153b4.png)
![privilege](https://csdnimg.cn/release/downloadcmsfe/public/img/vip-rights-2.ec46750a.png)
![article](https://csdnimg.cn/release/downloadcmsfe/public/img/vip-rights-3.fc5e5fb6.png)
![course-privilege](https://csdnimg.cn/release/downloadcmsfe/public/img/vip-rights-4.320a6894.png)
![rights](https://csdnimg.cn/release/downloadcmsfe/public/img/vip-rights-icon.fe0226a8.png)
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
![voice](https://csdnimg.cn/release/downloadcmsfe/public/img/voice.245cc511.png)
![center-task](https://csdnimg.cn/release/downloadcmsfe/public/img/center-task.c2eda91a.png)
最新资源
- pod-tomcat.yaml
- This module implements the Requests API.
- Delphi 12 控件之unidac-10.2.1-d29pro.exe
- keyword.other.package.java
- Apple//DTD PLIST 1.0//EN
- comment.block.documentation.rust
- there is no way to distinguish perfectly
- 数据库管理工具:dbeaver-ce-24.0.2-x86-64-setup.exe
- Objective-C.tmLanguage
- 数据库管理工具:dbeaver-ce-24.0.2-macos-x86-64.dmg
![feedback](https://img-home.csdnimg.cn/images/20220527035711.png)
![feedback-tip](https://img-home.csdnimg.cn/images/20220527035111.png)
![dialog-icon](https://csdnimg.cn/release/downloadcmsfe/public/img/green-success.6a4acb44.png)