基于光谱和纹理特征的高光谱图像分类

针对高光谱图像分类技术利用空间信息不足的问题,提出了一种光谱特征和纹理特征相结合的高光谱图像分类方法。通过二维Gabor小波提取高光谱图像纹理特征,利用函数型数据分析(FDA)框架分析高光谱数据,采用三次B样条基系统生成光谱特征和纹理特征的函数型数据,结合函数主成分分析(FPCA)提取每个像素的函数主成分(FPC),运用概率SVM分别对光谱特征和纹理特征进行分类。通过实验调参找到光谱特征和纹理特征的最佳参数组合,从而提高分类精度。通过在两个具有不同空间分辨率的高光谱图像数据集上进行实验,分析了参数的变化对分类精度的影响,并与其他同类方法相比较,随机选择5%的样本和10%的样本作为训练样本的总体精确度(OA)较EMAP+SVM方法分别提高了1.39%和3.87%。