-
题名利用多属性剖面与双边滤波的高光谱影像分类
被引量：4
- 1
-
-
作者
王扣准
黄睿
-
机构
上海大学通信与信息工程学院
-
出处
《遥感信息》
CSCD
北大核心
2016年第6期104-109,共6页
-
文摘
随着高光谱影像空间分辨率的提高,"同谱异物"和"同谱异物"问题日益凸显,传统基于纯光谱的地物分类方法已不能满足识别精度要求。结合光谱与空间信息进行高光谱影像分类已成为领域研究热点。鉴于此,该文提出了一种基于扩展多属性剖面(Extended Multi-Attribute Profiles,EMAPs)和指引双边滤波的高光谱影像地物分类方法。首先,基于EMAPs提取高光谱影像4种属性的形态学纹理特征,通过级联纹理与光谱特征获得新特征矢量。其次,对获取的新特征进行降维,并采用指引双边滤波器滤除降维影像的噪声,同时保持影像的边缘信息。最后,采用支持向量机实现分类。高光谱影像分类实验表明,所提方法性能优于多种光谱与空间结合的分类方法。
-
关键词
高光谱影像
扩展多属性剖面
指引双边滤波
纹理特征提取
分类
-
Keywords
hyperspectral image
EMAPs
guide bilateral filter
textural feature extraction
classification
-
分类号
TP751
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名利用EMAP与多项式网络的高光谱影像分类
被引量：2
- 2
-
-
作者
王扣准
黄睿
-
机构
上海大学通信与信息工程学院
-
出处
《电子测量技术》
2016年第7期100-105,共6页
-
文摘
高光谱影像地物分类已成为高光谱的重要应用之一,然而如何在小样本时取得优秀的分类结果已成为研究的难点与热点。最近几年,深度学习理论开始用于高光谱数据分析。本文提出了一种基于扩展多属性剖面(extended multi-attribute profile,EMAPs)和深度多项式网络(polynomial networks)的高光谱影像分类方法。首先,EMAPs通过一系列的属性滤波器提取影像多种结构特性的形态学纹理特征,并与影像光谱特征结合构成新的特征矢量。接着利用深度多项式网络对新特征矢量进行学习,构建多层次网络结构,在迭代的过程中逐层降低训练误差,实现优秀的分类结果。高光谱影像分类实验表明,所提方法性能优于多种分类方法。
-
关键词
高光谱
扩展的多属性剖面
深度学习
多项式网络
分类
-
Keywords
hyperspectral image
extended multi-attribute profiles
deep learning
polynomial networks
classification
-
分类号
TP751.1
[自动化与计算机技术—检测技术与自动化装置]
-
