基于特征接近度的多特征融合方法

特征融合的关键是对特征参数优化组合。本文提出一种基于特征接近度的多特征融合算法。定义吸引力表示特征矢量与原型模式的空间接近程度。用特征矢量与类原型模式之间的吸引力组成接近度矢量,作为融合特征。选择高光谱Hyperion影像作为实验数据,研究基于特征融合的地物分类。实验证明,在特征集相同的情况下,本文提出的方法比主成分分析法具有更好的融合效果。

基于多特征融合的遥感图像特征提取方法

在进行遥感图像特征提取时,由于图像分辨率发生多维变换,使得图像特征多且不明显,传统的提取方法只考虑两个图像特征变量之间的关联性,没有考虑图像特征维数间的关联,导致图像特征提取不准确的问题。为解决上述问题,提出SVM和多特征融合的遥感图像特征提取方法,将SVM和DS证据理论相结合,在对遥感图像进行预处理后提取图像特征并进行分类,在将分类结果为依据,构造基本概率指派,引入利用矩阵分析的DS融合算法简化决策级融合算法复杂度;利用特征接近度的多特征融合算法,将特征矢量与类原图形模式之间的吸引力组成接近度矢量作为融合特征完成遥感图像特征的提取。仿真结果表明,上述方法在图像提取过程中,对像素的精准度和像素提取速度都比传统方法有很大提高,具有较强的可行性。