|
|||||
|
|
| 基于核最小噪声分离变换的高光谱遥感影像多类SVM分类 | |
| 作者单位： | ;1.重庆交通大学土木建筑学院;2.成都理工大学地学空间信息技术国土资源部重点实验室;3.重庆市地理信息中心 |
| 摘 要： | 高光谱遥感影像具有高维非线性、数据冗余多、训练样本难以获得等特点。在线性最小噪声分离变换MNF(Minimum Noise Fraction)的基础上,引入核方法,提出核最小噪声分离变换KMNF(Kernel Minimum Noise Fraction)高光谱遥感影像非线性特征提取方法。在KMNF特征提取后的影像上利用多类SVM进行高光谱影像分类,分析数据维数、样本个数对分类结果的影响,并与传统的最小距离分类方法进行对比。发现最小距离分类法存在维数灾难现象,当达到一定的特征维数之后,多类SVM分类方法受维数影响较小,具有一定的抗噪声能力,在一定程度上避免了维数灾难现象;利用多类SVM进行分类时,随着样本数目的减少,合理设置有关参数,高光谱图像的分类能够维持在较高精度;而传统的最小距离分类法当样本数量较小时,效果很差,这说明了SVM小样本分类的优势。 |
| 关 键 词： | 高光谱遥感 核最小噪声分离变换 多类SVM |
MULTI-CLASS SVM CLASSIFICATION FOR HYPERSPECTRAL REMOTE SENSING IMAGE BASED ON KERNEL MINIMUM NOISE FRACTION TRANSFORM |
|
| Abstract: | |
| Keywords: | |
| 本文献已被 CNKI 等数据库收录！ | |