科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对高光谱图像分类中空间及光谱信息利用不充分的问题,提出一种改进的空谱联合协同表征分类算法。通过获取训练像素与测试像素的欧式距离得到光谱信息,计算测试像素与训练像素的空间信息,结合空间信息与光谱信息建立空谱联合表征分类模型,采用最小残差法实现高光谱图像分类。实验结果表明,该算法在Indian Pines和Pavia University数据集上的分类精度分别达到98.36%和97.93%,优于传统高光谱图像分类算法。
-
单位中国科学院; 中国科学院西安光学精密机械研究所; 西安邮电大学; 通信与信息工程学院
