科研之友
微信
新浪微博
Facebook
分享链接
摘要
高光谱图像在有标签样本数目较少的情况下进行分类时，除了利用光谱特征外，空间纹理特征也是必不可少的。本文提出了一种利用多尺度多方向局部二值模式（LBP）描述子获取纹理特征，并结合超像素级指导决策的支持向量机分类方法。首先，本文方法将传统LBP描述子改进为多尺度多方向LBP描述子，一方面充分考虑了邻域像素之间的关系，另一方面在计算时分别考虑了水平垂直方向和对角方向。其次，在利用统计直方图获得纹理特征时，采用了多个尺寸窗口组合的方式，以获得多范围、高精度的纹理特征。第三，对传统的简单线性迭代聚类（SLIC）超像素分割方法进行改进，重新定义了光谱距离并引入了纹理特征距离，获得更精确的超像素分割图。最后，利用超像素分割图结合多数投票策略，对分类结果进行进一步的指导校正。实验表明，本文方法能够更有效的提取纹理特征，再结合超像素分割图的指导决策，进一步提升高光谱图像的分类性能。
- 单位
