一种结合波段分组特征和形态学特征的高光谱图像分类方法.pdfVIP

第 41卷 第 12期 计 算 机 科 学 Vo1．41No．12 2014年 12月 Computer Science Dec2014 一 种结合波段分组特征和形态学特征的高光谱图像分类方法 张 帆 杜 博 张 良培 张乐飞。 (武汉大学测绘遥感信息工程 国家重点实验室 武汉430079) (武汉大学计算机学院 武汉430072) 摘 要 如何准确识别图像中的类别信息，是计算机视觉和模式识别领域的重要研究问题。遥感卫星图像数据，尤其 是高光谱等遥感图像数据的出现，将空间信息与光谱信息集成于同一数据集中，丰富了图像信息来源。如何准确地识 别高光谱 图像 中的地物类别，已经成为 了图像处理和模式识别领域 的热点问题 。面向高光谱 图像数据提 出了一种基 于波段分组特征和形态学特征的高光谱图像分类方法，结合空间和光谱特征提高分类精度。通过真实的高光谱数据 实验证明：利用波段分组可以有效地保持光谱特征，降低数据冗余；在波段分组基础上结合形态学特征进行分类，比传 统分类方法的分类精度明显提高。 关键词 分类，高光谱图像，特征选择，形态学，支持向量机 中图法分类号 TP751 文献标识码 A DOI 10．11896／j．issn．1002—137 2014．12．059 BandGroupingBasedHyperspectralImageClassificationUsingM athematical M orphologyandSupportVectorMachines ZHANG Fan DU 13o ZHANG Liang-pei ZHANG Le-fei (StateKeyLaboratoryforInformationEngineeringinSurveying，M appingandRemoteSensing，WuhanUniversity，W uhan430079，China) (DepartmentofComputer，W uhanUniversity，W uhan430072，China)。 Abstract How toanalysisandrecognizeimageaccuratelyisanimportantissueincomputervisionandpatternrecogni— tionfields．Remotesensingimage，especiallyhyperspectralimagescombinespatialandspectralinformationinonedata cube．Inthispaper，weproposedabandgroupingfeatureselectionmethod，thenextractedmorphologyfeatures．A fea— tureselectionalgorithm calledrecursivefeatureeliminationwasappliedtodecreasethedimensionalityoftheinputmor phologyfeaturesdata．A supportvectormachinewasusedforthefinalclassification．Experimentsperformedonrealhy— perspectralimages，confimr thatitisefficientusingbandgroupingandmathematicalmorphology． Keywords Classification，Hyperspectralimage，Featuresselection，Morphology，Supportvectormachines 征选择，以提取图像的主要特征。 1 引言