采用分段主成分和PPI的高光谱影像分类

摘要：

高光谱遥感影像波段多且存在混合像元,特征提取以及端元提取都是高光谱影像分类必不可少的工作,分类方法的选择也是因地适宜.以福建省泉州市德化县下属某一地区的CASI影像为实验数据,基于分段主成分(segmental principal component analysis,SPCA)和纯净像元指数法(pure pixel index,PPI),提出了最小距离(minimum distance classification,MDC)和二进制编码(binary encoding,BE)的高光谱影像分类方法.实验结果表明,MDC的总体精度为69.71％,BE的总体精度为70.88％.对单一地物精度而言2种方法各有其长,MDC对道路的分类精度更高,为98.08％;而植被、耕地和水体采用BE方法的分类精度更高,分别为94.12％、98.08％、98.11％.本文提出的方法应用于CASI高光谱影像,对该研究区的地物分类研究有一定的实用性和参考价值.

关键词：分段主成分分析、纯净像元指数法、最小距离法、二进制编码、高光谱分类

所属期刊栏目：35

分类号：TP751(遥感技术)

在线出版日期：2020-05-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：129-134