空-谱融合的条件随机场高光谱影像分类方法
高光谱遥感数据具有光谱信息丰富、图谱合一的特点,目前已经广泛地应用在对地观测中.传统的高光谱分类模型大多过分依赖影像光谱信息,没有充分利用空间特征信息,这使得分类精度还有很大的提升空间.条件随机场是一种概率模型,能够较好地融合空间上下文信息,在高光谱影像分类中已经得到越来越多的关注,但大部分条件随机场模型存在超平滑的现象,会导致影像细节丢失.针对该问题,本文提出了一种优化融合影像空-谱信息的高分辨率/高光谱影像分类方法,该方法将影像的纹理信息与原始光谱信息进行融合,利用S VM分类器对其进行预分类,并将各类概率定义为一元势函数,以融合空间特征信息;然后将空间平滑项和局部类别标签成本项加入二元势函数中,以考虑空间背景信息,并保留各类别中的详细信息.最后,通过两组的高分辨率/高光谱影像数据进行试验.结果表明,与S VM算法、传统的条件随机场方法和面向对象的分类方法相比,本文提出的算法在整体分类精度上分别提高了10％、9％和8％以上,同时在保持地物边缘完整性、避免"同谱异物"与"同物异谱"的现象方面有较明显的优势.
高光谱遥感影像、条件随机场、空-谱融合、影像分类
49
P237(摄影测量学与测绘遥感)
国家重点研发计划课题;国家自然科学基金优秀青年科学基金;湖北省技术创新专项重大项目;空间数据挖掘与信息共享教育部重点实验室开放基金;农业部农业遥感重点实验室开放基金
2020-03-31（万方平台首次上网日期，不代表论文的发表时间）
共12页
343-354
