基于多特征图像集成的高光谱图像分类方法

作者：崔宾阁; 钟利伟; 路燕^*

来源：山东科技大学学报(自然科学版), 2020, 39(02): 86-94.

DOI：10.16452/j.cnki.sdkjzk.2020.02.010

• 高光谱图像
• 多特征图像
• 自适应增强学习
• 集成学习
• 分类

对于多波段、高维度的高光谱图像,不同的地物有着不同的特征表示,单独的一种特征可能无法全面覆盖所有的地物信息。因此,希望获得多特征以尽可能的覆盖所有地物信息,以期有效地选择和利用多种类型的特征。本研究提出了一种基于多特征图像的集成学习方法(MFI-EL)用于高光谱图像分类。首先,不同的特征提取方法获得反映不同地物信息的特征图像。其次,每一种特征图像采用支持向量机分类,选择其中最优的作为基本核之一。最后,利用自适应增强方式不断进行学习,获得多个最优的基本核,根据每个核的重要性将其集成为最终的分类结果。采用三幅真实的高光谱图像进行实验,实验结果表明,提出的方法优于其他的集成方法。

• 单位
  山东科技大学