| 小波包信息熵特征矢量光谱角高光谱影像分类 |
| |
| 引用本文： | 郭辉,杨可明,张文文,刘聪,夏天.小波包信息熵特征矢量光谱角高光谱影像分类[J].中国图象图形学报,2017,22(2):205-211. |
| |
| 作者姓名： | 郭辉 杨可明 张文文 刘聪 夏天 |
| |
| 作者单位： | 中国矿业大学(北京)地球科学与测绘工程学院, 北京 100083;安徽理工大学测绘学院, 淮南 232001,中国矿业大学(北京)地球科学与测绘工程学院, 北京 100083,中国矿业大学(北京)地球科学与测绘工程学院, 北京 100083,中国矿业大学(北京)地球科学与测绘工程学院, 北京 100083,中国矿业大学(北京)地球科学与测绘工程学院, 北京 100083 |
| |
| 基金项目： | 国家自然科学基金项目(41271436) |
| |
| 摘 要： | 目的 针对高光谱数据波段多、数据存在冗余的特点，将小波包信息熵特征引入到高光谱遥感分类中。方法 通过对光谱曲线进行小波包分解变换，定义了小波包信息熵特征矢量光谱角分类方法(WPE-SAM)，基于USGS光谱库中4种矿物光谱数据的分析表明，WPE-SAM可增大类间地物的可区分性。在特征矢量空间对Salina高光谱影像进行分类计算，并讨论了小波包最佳分解层的确定，分析了WPE-SAM与光谱角制图(SAM)方法的分类精度。结果 Salina数据实例计算表明：小波包信息熵矢量能较好地描述原始光谱特征，WPE-SAM分类方法可行，总体分类精度(OA)由SAM的78.62%提高到WPE-SAM的78.66%，Kappa系数由0.769 0增加到0.769 5，平均分类精度(AA)由83.14%提高到84.18%。此外，通过Pavia数据验证了WPE-SAM分类方法具有较强的普适性。结论 小波包信息熵特征可较好地表示原始光谱波峰、波谷等特征信息，定义的小波包信息熵特征矢量光谱角分类方法(WPE-SAM)可增大类间地物可区分性，有利于分类。实验结果表明，WPE-SAM分类方法技术可行，总体精度及Kappa系数较SAM有一定的提高，且有较强的普适性。但WPE-SAM方法精度与效率有待进一步提高。
|
| 关 键 词： | 信息熵 小波包子频段 高光谱分类 特征提取 最佳分解层 |
| 收稿时间： | 2016/7/21 0:00:00 |
| 修稿时间： | 2016/10/9 0:00:00 |
Classification of a hyperspectral image based on wavelet packet entropy feature vector angle |
| |
| Guo Hui,Yang Keming,Zhang Wenwen,Liu Cong and Xia Tian.Classification of a hyperspectral image based on wavelet packet entropy feature vector angle[J].Journal of Image and Graphics,2017,22(2):205-211. |
| |
| Authors: | Guo Hui Yang Keming Zhang Wenwen Liu Cong and Xia Tian |
| |
| Affiliation: | College of Geoscience and Surveying Engineering, China University of Mining & Technology(Beijing), Beijing 100083, China;School of Surveying and mapping, Anhui University of Science and Technology, Anhui University of Science and Technology, Huainan 232001, China,College of Geoscience and Surveying Engineering, China University of Mining & Technology(Beijing), Beijing 100083, China,College of Geoscience and Surveying Engineering, China University of Mining & Technology(Beijing), Beijing 100083, China,College of Geoscience and Surveying Engineering, China University of Mining & Technology(Beijing), Beijing 100083, China and College of Geoscience and Surveying Engineering, China University of Mining & Technology(Beijing), Beijing 100083, China |
| |
| Abstract: | |
| |
| Keywords: | entropy wavelet packet sub band hyperspectral image classification feature extraction optimal decomposition level |
|
| 点击此处可从《中国图象图形学报》浏览原始摘要信息 |
|
点击此处可从《中国图象图形学报》下载免费的PDF全文 |
|
