×

基于最小噪声分数、二维空间滤波和SVM的高光谱图像分类。 (英语) Zbl 1504.94010号

高光谱图像分类是遥感领域的一个重要课题。本文提出了一种利用最小噪声分数(MNF)、空间滤波(SF)和支持向量机(SVM)进行HSI分类的新方法。在进行分类之前,我们使用MNF来降低高光谱数据立方体的维数。我们将二维SF应用于DR输出波段图像,然后使用SVM对数据立方体的像素进行分类。这样,在分类中同时考虑了空间信息和光谱信息。实验结果表明,与现有的几种分类方法相比,我们的MNF+SF方法具有极强的竞争力。

MSC公司:

94A08型 信息与通信理论中的图像处理(压缩、重建等)
62H25个 因子分析和主成分;对应分析
65T50型 离散和快速傅里叶变换的数值方法
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Liu,H.,Xia,K.,Li,T.,Ma,J.和Owoola,E.,基于改进空间光谱权重流形嵌入的高光谱图像降维,Sensors20(2020)4413,https://doi.org/10.3390/s20164413。
[2] 周,F.,杭,R.,刘,Q.和袁,X.,使用光谱空间LSTM的高光谱图像分类,神经计算328(2019)39-47。
[3] Chen,Y.,Nasrabadi,N.M.和Tran,T.D.,基于核稀疏表示的高光谱图像分类,IEEE Trans。地质科学。遥感51(1)(2013)217-231。
[4] Melgani,F.和Bruzzone,L.,使用支持向量机对高光谱遥感图像进行分类,IEEE Trans。地质科学。遥感42(8)(2004)1778-1790。
[5] Fauvel,M.、Chanussot,J.和Benediktsson,J.A.,《基于空间光谱核的遥感图像分类方法》,《模式识别》45(1)(2012)381-392。
[6] Camps-Valls,G.和Bruzzone,L.,基于核的高光谱图像分类方法,IEEE Trans。地质科学。《遥感》43(6)(2005)1351-1362。
[7] Li,J.,Marpu,P.R.,Plaza,A.,Bioucas-Dias,J.M.和Benediktsson,J.A.,高光谱图像分类的广义复合核框架,IEEE Trans。地质科学。遥感51(9)(2013)4816-4829。
[8] Chen,Y.,Nasrabadi,N.M.和Tran,T.D.,使用基于字典的稀疏表示的高光谱图像分类,IEEE Trans。地质科学。遥感49(10)(2011)3973-3985。
[9] Li,J.,Bioucas-Dias,J.M.和Plaza,A.,使用循环信念传播和主动学习对高光谱数据进行光谱空间分类,IEEE Trans。地质科学。远程传感器51(2)(2013)844-856。
[10] Kang,X.D.,Li,S.和Benediktsson,J.A.,带边缘保持滤波的光谱空间高光谱图像分类,IEEE Trans。地质科学。遥感52(5)(2014)2666-2677。
[11] Cheng,G.,Zhu,F.,Xiang,S.,Wang,Y.和Pan,X.,通过判别分析和稳健回归的半监督高光谱图像分类,IEEE J.Sel。顶部。申请。地球观测卫星遥感9(2)(2016)595-608。
[12] Chen,Y.、Lin,Z.、Zhao,X.、Wang,G.和Gu,Y.,基于深度学习的高光谱数据分类,IEEE J.Sel。顶部。申请。地球观测卫星遥感7(6)(2014)2094-2107。
[13] Jolliffe,I.T.,主成分分析,第2版。(施普林格,2002)·Zbl 1011.62064号
[14] Green,A.A.、Berman,M.、Switzer,P.和Craig,M.D.,从图像质量角度对多光谱数据进行排序的转换,对噪声去除的影响,IEEE Trans。地质科学。遥感器26(1)(1988)65-74。
[15] Roweis,S.和Saul,L.,通过局部线性嵌入降低非线性维数,《科学》,290(5500)(2000)2323-2326。
[16] Damelin,S.和Miller,W.,《信号处理数学》(剑桥大学出版社,2011年)·Zbl 1257.94001号
[17] Cortes,C.和Vapnik,V.N.,支持向量网络,马赫。学习.20(3)(1995)273-297·Zbl 0831.68098号
[18] Chang,C.C.和Lin,C.J.,LIBSVM:支持向量机库,ACM Trans。智力。系统。Technol.2(27)(2011)1-27。
[19] Chen,G.Y.和Qian,S.E.,使用主成分分析和小波收缩的高光谱图像去噪,IEEE Trans。地质科学。遥感49(3)(2011)973-980。
[20] Chen,G.Y.,Xie,W.F.和Qian,S.E.,使用最小噪声分数和VBM3D的高光谱图像去噪,J.Appl。遥感器15(3)(2021)032208。
[21] Luo,G.C.,Chen,G.Y.,Tian,L.,Qin,K.和Qian,S.E.,作为高光谱图像去噪预处理步骤的最小噪声分数与主成分分析,Can。《遥感杂志》42(2)(2016)106-116。
此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配,并且可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。