湖南省研究生科研创新项目(CX2010B020)
- 作品数：3 被引量：39H指数：3
- 相关作者：万建伟徐湛高恒振粘永健王力宝更多>>
- 相关机构：国防科学技术大学更多>>
- 发文基金：湖南省研究生科研创新项目博士研究生创新基金国家自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 一种基于谱域-空域组合特征支持向量机的高光谱图像分类算法被引量：13
- 2011年
- 针对高光谱图像分类问题,提出了一种基于支持向量机的利用组合特征对高光谱图像进行分类的算法,组合特征综合了高光谱图像的光谱域和空域信息。针对图像的高维数据特性,利用最大噪声分量方法进行特征提取,对得到的主分量图像,采用虚拟维数估计算法来确定需要保留的主分量数目,并用数学形态学操作用保留的主分量图像中提取目标的形态信息。根据得到的空域特征并结合原始光谱域特征,构造用于分类的组合特征矢量。而且采用了支持向量机,利用了其支持小样本、效率高的优点。高光谱数据实验表明,本文提出的方法和单独使用谱域或空域信息进行分类相比,具有一定的优越性。
- 高恒振万建伟粘永健徐湛许可
- 关键词：数学形态学
- 组合核函数支持向量机高光谱图像融合分类被引量：23
- 2011年
- 针对高光谱图像分类,提出了一种利用组合核函数融合目标光谱域和空域信息的支持向量机学习算法。该算法首先用主成分分析方法对高光谱图像进行特征提取和降维,用虚拟维数估计策略预估原始图像的本征维数,并且在预估的基础上确定要保留的主成份分量数目;然后用数学形态学操作在选取的主分量图像上提取目标的形态信息,得到扩展的空域形态矢量。最后,通过不同的组合策略,构造组合核函数,从而在分类器中引入空域信息,和原有的谱域信息一起,利用支持向量机进行分类。高光谱数据实验表明,在训练时间没有显著差别的情况下,总体分类精度和Kappa系数均提高了2%左右。实验表明,本文提出的方法较单独使用谱域或空域信息进行分类具有一定的优越性。
- 高恒振万建伟粘永健王力宝徐湛
- 关键词：高光谱图像图像融合数学形态学组合核函数支持向量机
- 基于谱域-空域组合核函数的高光谱图像分类技术研究被引量：6
- 2011年
- 针对传统高光谱图像分类算法多利用目标的光谱信息,不重视空间信息的问题,本文提出了一种综合利用谱域-空域信息的最小二乘支持向量机分类算法。首先利用主成分分析进行特征提取,然后在保留的主分量图像上用数学形态学得到目标的空域信息。并结合光谱域特征,探讨了各种组合策略,构造组合核函数。通过在分类器中引入空域信息,提高了分类准确率。而且采用了最小二乘支持向量机,将标准向量机的二次规划问题转换为求解线性方程组的问题。利用了其训练速度快、效率高的优点。高光谱数据实验表明,本文提出的方法和单独使用谱域或空域信息进行分类相比表现出了一定的优越性,从而适用于较大规模的高光谱图像分类。
- 高恒振万建伟王力宝徐湛
- 关键词：主成分分析核函数最小二乘
