遥感高光谱成像能够获得丰富的地物光谱信息,为高精度的地物分析提供了可能.针对高光谱图像分类中通常面临的数据维数高、标记样本少、计算量大等问题,提出了一种简单有效的谱–空联合分类方法.利用高光谱图像丰富的光谱信息和地物分布的空间平滑特性,该算法首先对光谱数据进行特征提取和空间滤波,然后利用本文提出的基于近邻协同的支持向量机(Neighborhood collaborative support vector machine,NC-SVM)进行分类.近邻协同进一步利用地物分布的空间平滑特性,通过联合空间近邻的判决信息进行中心像素的类别判定,有效减小了只有少量训练样本下的错分概率.实验表明,相比已有的相关方法,该算法在不明显增加计算量的情况下可获得更高的分类正确率,能够实现少量训练样本下高光谱图像的快速高精度分类.
