文献类型：期刊文章

作　　者：李垒[1] 任越美[1,2]

LI Lei;REN Yuemei(Department of Computer Engineering, Henan Polytechnic Institute, Nanyang, Henan 473000, China;School of Computer Science, Northwestern Polytechnical University, Xi’an 710129, China)

机构地区：[1]河南工业职业技术学院计算机工程系,河南南阳473000 [2]西北工业大学计算机学院,西安710129

出　　处：《计算机工程与应用》

基　　金：国家自然科学基金(No.61231016;No.61301192;No.61303123);河南省科技攻关计划(No.142102210557)

年　　份：2016

卷　　号：52

期　　号：24

起止页码：189-193

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CSA、CSA-PROQEUST、CSCD、CSCD_E2015_2016、IC、INSPEC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：为了充分利用高光谱图像的光谱信息和空间结构信息,提出了一种新的基于随机森林的高光谱遥感图像分类方法,首先,利用主成分分析降低数据的维数,并对主成分进行独立成分分析提取其光谱特征,同时消除像元的空间相关性,再采用形态学分析提取像元的空间结构特征,然后,根据像元的谱域和空域特征分别构造随机森林,并引入空间连续性对像元点的预测结果进行约束修正,最后由投票机制决定最后的分类结果。在AVIRIS和ROSIS高光谱图像上的实验结果表明,所提方法的分类性能要优于传统的高光谱图像分类方法,且分类精度高于基于单一特征的方法。

关 键 词：高光谱图像 图像分类 随机森林  独立成分分析  

分 类 号：TP391]