基于图的Laplace矩阵和非负矩阵的图像分类

文章将图的Laplace矩阵和非负矩阵分解方法结合起来,应用于图像分类。对不同的图像先提取其特征点,再对提取得到的特征点构造图的Laplace矩阵,将构造的矩阵进行非负矩阵分解后得到图像的特征向量,最后将特征向量输入到PNN分类器中,对图像进行分类。对模拟图像和真实图像进行了多组实验,结果证明了该算法应用于图像分类的准确性和可行性。

基于谱-空-纹特征融合的高光谱影像分类方法

文章提出了一种融合光谱信息,空间信息和纹理信息的高光谱影像分类方法.首先采用主成分分析降低高光谱影像的维度,然后利用灰度共生矩阵从各主成分提取纹理信息,并根据数学形态学特征和光谱信息定义了一种融合谱-空-纹的相似度距离,最后通过伪近邻(pseudo nearest neighbor,PNN)分类器对影像地物进行分类.为了说明所提出方法的有效性,文章对两个常用的具有不同空间分辨率和光谱分辨率的真实高光谱影像数据集进行了相应的实验,试验结果和比较结果表明,利用所提出的方法可以得到较高的分类精度.