扩展的多特征遥感影像水体识别

针对传统遥感影像中水体识别精度不高且泛化能力较弱的问题,提出扩展的多特征融合分类方法。将NDWI、MNDWI等多个水体指数的光谱特征,通过最佳波段组合获取基于灰度共生矩阵的纹理特征,使用主成分分析变换后的特征图提取扩展的形态学属性剖面(EMAPs)空间特征,归一化融合组成光谱-纹理-形态学特征集,使用特征扩充算法进行重构,得到扩展的多特征数据集,利用深度置信网络(DBN)识别水体。实验结果表明,扩展的多特征数据集可有效提高水体识别模型的精度和泛化能力。

不同降维策略下的高光谱影像多特征分类

由于物体表面的空间分布通常是富有规律且局部连续的,在高光谱影像分类中应充分利用其光谱和空间信息。本文在对高光谱影像立方体进行降维处理的基础上,提出了一种联合空域和谱域信息的高光谱影像高效分类方法。首先,分别选用主成分分析(Principal Component Analysis,PCA)和正交投影波段选择(Orthogonal Projection Band Selection,OPBS)两种方法对原始高光谱数据进行预处理,获取降维后的影像数据。然后在其基础上提取扩展形态学特征(Extended Morphology Profiles,EMP)和地物表面纹理特征,组成联合光谱和纹理、形状结构特征。最后,采用支持向量机(Support Vector Machine,SVM)分类器对联合特征进行分类。针对不同真实高光谱数据集的实验结果表明,本文提出的方法运算效率高且具有令人满意的分类性能。