基于SPCA和域变换递归滤波的高光谱图像分类

作者：于多; 黄永东^*

来源：计算机工程与应用, 2021, 57(04): 199-208.

• 主成分分析(PCA)
• 分割的主成分分析(SPCA)
• 域变换递归滤波(DTRF)
• 高光谱图像分类
• 基本阈值分类器

提出一种基于分割的主成分分析(Segmented Principal Component Analysis,SPCA)和域变换递归滤波(Domain Transform Recursive Filtering,DTRF)的高光谱图像分类算法。利用SPCA方法降低高光谱图像的维数和提取各波段子集的第一主成分。使用不同参数的域变换递归滤波器对各波段子集第一主成分进行滤波,形成堆叠的边缘保持滤波图。采用主成分分析(Principal Component Analysis,PCA)将堆叠的边缘保持滤波图进行特征融合。利用基本阈值分类器(Basic Thresholding Classifier,BTC)对融合后的主成分进行分类。仿真实验表明,所提方法能够提高分类精度,且在总体分类精度、平均分类精度、Kappa系数等方面优于已有方法。

• 单位
  大连民族大学; 北方民族大学