联合光谱角与组合特征参数的高光谱影像分类

光谱角匹配分类以光谱整体相似度作为分类准则,却无法充分考虑光谱的局部细节特征,导致高光谱遥感影像的分类结果存在着较大的误差。针对此问题,提出一种联合光谱角与组合特征参数(spectral angle mapping-combination characteristic parameter,SAM-CCP)的新型高光谱影像分类方法。该方法在光谱角距离的基础上,引入光谱特征参数,有效突出光谱信息的局部特征,从而提高分类精度。首先,将地物反射光谱的整体特征和典型的吸收谷特征相结合,计算参数向量的欧式距离,并调节其开方系数;然后,自动选择最佳光谱特征参数组合,构建稳健的匹配模型,对影像进行逐像元分类。分别对Indian Pines地区和Cuprite矿区的高光谱遥感影像进行了分类实验。结果表明,相比传统的匹配方法,SAM-CCP方法能够有效地改善分类精度,具有较好的适用性。