[1]岳江,柏连发,张毅,等.基于最小关联窗口的高光谱图像非监督分类[J].南京理工大学学报(自然科学版),2012,36(01):86-90.
 YUE Jiang,BAI Lian-fa,ZHANG Yi,et al.Unsupervised Classification of Hyperspectral Images Based on Min-related-window[J].Journal of Nanjing University of Science and Technology,2012,36(01):86-90.
点击复制

基于最小关联窗口的高光谱图像非监督分类
分享到:

《南京理工大学学报》(自然科学版)[ISSN:1005-9830/CN:32-1397/N]

卷:
36卷
期数:
2012年01期
页码:
86-90
栏目:
出版日期:
2012-02-29

文章信息/Info

Title:
Unsupervised Classification of Hyperspectral Images Based on Min-related-window
作者:
岳江; 柏连发; 张毅; 徐杭威;
南京理工大学电子工程与光电技术学院;
Author(s):
YUE JiangBAI Lian-faZHANG YiXU Hang-wei
School of Electronic Engineering and Optoelectronic Technology,NUST,Nanjing 210094,China
关键词:
泛光谱曲线 巴氏距离 最小关联窗口 图像分类 高光谱图像
Keywords:
ex-spectral curves Bhattacharyya distance min-related-window image classification hyperspectral images
分类号:
TP751.1
摘要:
为了提高分类精度和减少麻点现象,该文在最小关联窗口模型基础上,提出了一种高光谱图像非监督分类方法。首先该方法推导了一个目标辨识量——泛光谱曲线;基于此辨识量和图像空间一致性,提出了像元最小关联窗口继承式分类。类间距离使用巴氏距离(Bhattacharyya distance)度量,将相似类合并,完成最终分类。最后利用美国AVIRIS数据进行性能评价,并分别与K均值(K-MEANS)和迭代自组织数据分析技术(ISODATA)进行了性能对比。实验结果表明,该方法分类精度和麻点现象均优于K-MEANS和ISODATA。
Abstract:
In order to improve classification accuracy and reduce discrete points,an unsupervised classification of hyperspectral images based on a min-related-window model is proposed.A variable called ex-spectral curve is introduced for target distinguishing;with this variable and spatial coherence property,the algorithm of inherited classification based on a pixel ’ s min-related-window is proposed.Bhattacharyya distance is used to measure an interlayer distance,and similar classes are combined to achieve the classification.AVIRIS data are utilized to evaluate the performance of the proposed algorithm,which is compared with K-MEANS and ISODATA.Experimental results show that the proposed algorithm outperforms K-MEANS and ISODATA in classification accuracy and has less discrete points.

参考文献/References:

[1] 李娜,赵慧洁. 高光谱数据非监督分类的改进独立成分分析方法[J]. 国土资源遥感, 2011, 22( 2) : 70-74.
[2] 王凯,赵永强,程咏梅,等. 基于均值漂移和模糊积分融合的高光谱图像分类[J]. 光子学报,2010, 39( 1) : 188-192.
[3] 杨新,唐宏,宋金玲,等. 基于核方法的光谱角制图模型及其在高光谱图像分割中的应用[J]. 遥感信息, 2005,3 ( 6) : 20-23.
[4] Du Qian,Yang He. Similarity-based unsupervised band selection for hyperspectral image analysis[J]. IEEE Geoscience and Remote Sensing Society,2008,5( 4) : 564-568.
[5] 张钧萍,张晔. 基于多特征多分辨率融合的高光谱图像分类[J]. 红外与毫米波学报, 2004, 23( 5) : 345-348.
[6] 贾建华,焦李成. 空间一致性约束谱聚类算法用于图像分割[J]. 红外与毫米波学报, 2010, 29( 1) : 69-74.
[7] Jia Sen,Qian Yuntao. MRF based spatial complexity for hyperspectral imagery unmixing[A]. Joint IAPR International Workshop on Statistical Techniques in Pattern Recognition[C]. Hong Kong,China: SPR, 2006: 531-540.
[8] 张保民. 成像系统分析导论[M]. 北京: 国防工业出版社, 1992.
[9] 刘世才. 光辐射测量技术[M]. 北京: 国防工业出版社, 1991.
[10] 李庆波,李响,张广军. 一种基于光谱奇异值检测的高光谱遥感小目标探测方法[J]. 光谱学与光谱分析, 2008, 28( 8) : 1832-1836.
[11] 杜培军,陈云浩,方涛,等. 高光谱遥感数据光谱特征的提取与应用[J]. 中国矿业大学学报, 2003, 32( 5) : 500-504.
[12] 曹建农,关泽群,李德仁. 基于DMN 的高光谱图像分割方法研究[J]. 遥感学报, 2005,9 ( 5) : 596-603.
[13] Purdue University. AVIRIS image Indian Pine Test Site 3 [EB/OL]. ftp: / /ftp. ecn. purdue. edu /biehl / MultiSpec /92AV3C9. lan, 2006-08-30.

备注/Memo

备注/Memo:
国家自然科学基金(61071147);高等学校博士点学科专项科研基金(20103219110013);
更新日期/Last Update: 2012-10-12