摘要
基于聚类的经典高光谱遥感图像波段选择方法采用欧氏距离度量波段间的相似度,忽略了像素间数据的相关性,导致有价值的波段丢失,分类正确率较低。针对此问题,提出了一种基于马氏距离聚类的高光谱遥感图像波段选择方法。首先,根据选择波段的数量对高光谱图像数据进行粗子空间划分,其次,利用马氏距离作为波段间相似性的判别指标,对高光谱图像数据进行波段聚类,将高光谱图像的所有波段精细划分,最后,在每一组中选择噪声最小的一个波段,组成最终的波段子集,利用支持向量机(Support Vector Machines, SVM)、K近邻(K-Nearest Neighbor, KNN)以及极限学习机(Extreme Learning Machine, ELM)等3种分类器实现地物分类。实验结果表明,与其他相关方法相比,所提方法的分类正确率更高,并且具有更强的鲁棒性。
-
单位自动化学院; 西安邮电大学