基于多特征图像集成的高光谱图像分类方法 |
| |
引用本文: | 崔宾阁,钟利伟,路燕.基于多特征图像集成的高光谱图像分类方法[J].山东科技大学学报(自然科学版),2020,39(2). |
| |
作者姓名: | 崔宾阁 钟利伟 路燕 |
| |
作者单位: | 山东科技大学计算机科学工程学院,山东青岛266590;山东科技大学计算机科学工程学院,山东青岛266590;山东科技大学计算机科学工程学院,山东青岛266590 |
| |
基金项目: | 国家重点研发计划;国家自然科学基金 |
| |
摘 要: | 对于多波段、高维度的高光谱图像,不同的地物有着不同的特征表示,单独的一种特征可能无法全面覆盖所有的地物信息。因此,希望获得多特征以尽可能的覆盖所有地物信息,以期有效地选择和利用多种类型的特征。本研究提出了一种基于多特征图像的集成学习方法(MFI-EL)用于高光谱图像分类。首先,不同的特征提取方法获得反映不同地物信息的特征图像。其次,每一种特征图像采用支持向量机分类,选择其中最优的作为基本核之一。最后,利用自适应增强方式不断进行学习,获得多个最优的基本核,根据每个核的重要性将其集成为最终的分类结果。采用三幅真实的高光谱图像进行实验,实验结果表明,提出的方法优于其他的集成方法。
|
关 键 词: | 高光谱图像 多特征图像 自适应增强学习 集成学习 分类 |
本文献已被 CNKI 万方数据 等数据库收录! |
|