基于最小关联窗口的高光谱图像非监督分类

为了提高分类精度和减少麻点现象,该文在最小关联窗口模型基础上,提出了一种高光谱图像非监督分类方法。首先该方法推导了一个目标辨识量——泛光谱曲线;基于此辨识量和图像空间一致性,提出了像元最小关联窗口继承式分类。类间距离使用巴氏距离(Bhattacharyya distance)度量,将相似类合并,完成最终分类。最后利用美国AVIRIS数据进行性能评价,并分别与K均值(K-MEANS)和迭代自组织数据分析技术(ISODATA)进行了性能对比。实验结果表明,该方法分类精度和麻点现象均优于K-MEANS和ISODATA。