典型文献
高光谱影像奇异谱特征提取和分类方法
文献摘要：
针对高光谱影像中地物的尺度复杂多样,并且存在"同物异谱、同谱异物"现象,给影像的解译和分类带来了困难,以及高光谱影像维度过高容易造成分类中的维数灾难等难题,提出了一种结合超像素的改进二维奇异谱分析(two-dimensional singular spectrum analysis combining with superpixels,S2DSSA),与局部Fisher判别分析(local Fisher discriminant analysis,LFDA)相融合,共同提取影像的光谱-空间特征,并使用支持向量机(support vector machine,SVM)来进行分类,记为S2DSSA-LFDA-SVM的方法.超像素2DSSA将2DSSA作用于每个构造的超像素规则区域,能够自适应地提取地物的空间特征.在其基础上,L FD A进一步挖掘光谱维度的流形结构,实现光谱特征提取和降维.实验结果证明,在两个经典高光谱数据集上,所提出方法的总体精度相比于原始数据分别提升了31.7％ 和12.9％,相比于其他先进的光谱-空间分类算法有2％ ～6％ 不同程度的提升.
文献关键词：
高光谱影像;S2DSSA;LFDA;特征提取;分类
中图分类号：
作者姓名：
赵莹莹;潘兆杰;付航;张爱竹;姚延娟;孙根云
作者机构：
长沙市规划勘测设计研究院,长沙410007;海洋国家实验室海洋矿产资源评价与探测技术功能实验室,山东青岛266071;中国石油大学(华东)海洋与空间信息学院,山东青岛266580;生态环境部卫星环境应用中心国家环境保护卫星遥感重点实验室,北京100094
文献出处：
引用格式：
[1]赵莹莹;潘兆杰;付航;张爱竹;姚延娟;孙根云-.高光谱影像奇异谱特征提取和分类方法)[J].遥感信息,2022(04):1-9
A类：
superpixels,S2DSSA,LFDA,2DSSA
B类：
高光谱影像,分类方法,地物,异物,解译,维数灾难,超像素,维奇,奇异谱分析,two,dimensional,singular,spectrum,analysis,combining,Fisher,判别分析,local,discriminant,空间特征,support,vector,machine,记为,流形结构,光谱特征提取,高光谱数据,总体精度,原始数据,分类算法
AB值：
0.296905
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
