小样本的高光谱图像降噪与分类

摘要：

在样本数目稀少情况下实现高光谱图像精细分类是个挑战性的问题.高光谱图像信噪比提高比较困难,噪声大小对分类结果有最直接的影响.利用高光谱图像相邻波段之间的相关性和相邻像素之间的相关性,提出多级降噪滤波的高光谱图像分类方法,通过改进的两阶段稀疏与低秩矩阵分解方法,去除高光谱图像中能量较高的噪声,利用主成分分析方法去除高光谱图像中能量较低的噪声,引导滤波方法去除分类结果图中的“椒盐噪声”.选取两幅真实高光谱图像进行实验,结果表明,两阶段稀疏与低秩矩阵分解法和主成分分析法两种降噪方法具有较强的互补性;引导滤波方法使得分类图更加平滑且分类精度更高.与其他光谱空间分类方法相比,本文方法分类精度更高,且在样本极少时能获得很高的分类精度.

关键词：高光谱图像分类、特征提取、稀少样本、稀疏与低秩、矩阵分解

所属期刊栏目：21

分类号：TP751(遥感技术)

资助基金：National Natural Science Foundation of China41406200;Shandong Province Natural Science Foundation of China No.ZR2014DQ030国家自然科学基金41406200;山东省自然科学基金ZR2014DQ030

在线出版日期：2017-10-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：728-738