文献类型：期刊文章

作　　者：陈志坤[1,2] 江俊君[3] 姜鑫维[2] 白露[4] 蔡之华[1,2]

CHEN Zhikun;JIANG Junjun;JIANG Xinwei;BAI Lu;CAI Zhihua(Guangxi Key Laboratory of Marine Disaster in the Beibu Gulf,College of Resources and Environment,Beibu Gulf University,Qinzhou 535011,China;School of Computer Science,China University of Geosciences,Wuhan 430074,China;School of Computer Science and Technology,Harbin Institute of Technology,Harbin 150001,China;School of Management and Economics,Beijing Institute of Technology,Beijing 100081,China)

机构地区：[1]北部湾大学资源与环境学院,广西北部湾海洋灾害研究重点实验室,广西钦州535011 [2]中国地质大学(武汉)计算机学院,湖北武汉430074 [3]哈尔滨工业大学计算机科学与技术学院,黑龙江哈尔滨150001 [4]北京理工大学管理与经济学院,北京100081

出　　处：《武汉大学学报（信息科学版）》

基　　金：国家自然科学基金(61773355,41666003,41966007);广西本科高校特色专业及实验实训教学基地(中心)建设项目;钦州市科学研究与技术开发计划(201714322);北部湾大学引进高层次人才科研启动项目(2019KYQD27)。

年　　份：2020

卷　　号：45

期　　号：4

起止页码：504-510

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSCD、CSCD2019_2020、EBSCO、EI、GEOBASE、IC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：双边滤波(bilateral filtering,BF)是一种简单有效的高光谱遥感图像(hyperspectral image,HSI)特征提取算法。该算法在非结构相似像素空间距离近时会被分配较大权重,从而降低加权限制效果。提出一种分类选优的双边滤波算法(classified optimization bilateral filtering,COBF),从相邻像素集内选择类别结构最相似的像素组成新的相邻像素集,确保新的相邻像素集中用于加权平均的相邻像素尽可能相似,以提高特征提取效果。使用支持向量机(support vector machine,SVM)对COBF提取的HSI特征分类以验证其有效性。结果显示,当训练样本数量只有10个时,Indian Pines、Salinas和PaviaU的分类精度分别高达83.8%、96.0%和90.6%。

关 键 词：分类选优  双边滤波 高光谱遥感图像 特征提取

分 类 号：P237] TP394.1[测绘类]