一种新的两分类器融合的空谱联合高光谱分类方法

孙乐; 吴泽彬; 冯灿; 刘建军; 肖亮; 韦志辉

doi:10.3969/j.issn.0372-2112.2015.11.011

您当前的位置：

首页 >

文章列表页 >

一种新的两分类器融合的空谱联合高光谱分类方法

学术论文 | 更新时间：2025-07-16

- 一种新的两分类器融合的空谱联合高光谱分类方法
- A Novel Two-Classifier Fusion Method for Spectral-Spatial Hyperspectral Classification
- 电子学报 2015年43卷第11期页码：2210-2217
- 作者机构：
  
  1. 江苏省网络监控工程中心,江苏,南京,210044
  2. 南京信息工程大学计算机与软件学院,江苏,南京,210044
  3. 南京理工大学计算机科学与工程学院,江苏,南京,210094
  4. 北方信息控制集团软件中心,江苏,南京,211153
  5. 江苏省网络监控工程中心,江苏,南京,210044
  6. 南京信息工程大学计算机与软件学院,江苏,南京,210044
  7. 南京理工大学计算机科学与工程学院,江苏,南京,210094
  8. 北方信息控制集团软件中心,江苏,南京,211153
- 作者简介：
- 基金信息：
  
  国家自然科学基金 (No.61101194,No.61301215,No.61301217);国家自然科学基金面上项目 (No.61471199);江苏省气象探测与信息处理重点实验室开放课题 (No.KDXS1404);江苏省自然科学基金 (青年项目) (No.BK20150923);南京信息工程大学人才启动经费;江苏省光谱成像与智能感知重点实验室开放课题
- DOI：10.3969/j.issn.0372-2112.2015.11.011
  中图分类号： TP751
- 纸质出版：2015
- 稿件说明：
移动端阅览
孙乐, 吴泽彬, 冯灿, 等. 一种新的两分类器融合的空谱联合高光谱分类方法[J]. 电子学报, 2015,43(11):2210-2217.

SUN Le, WU Ze-bin, FENG Can, et al. A Novel Two-Classifier Fusion Method for Spectral-Spatial Hyperspectral Classification[J]. Acta Electronica Sinica, 2015, 43(11): 2210-2217.
孙乐, 吴泽彬, 冯灿, 等. 一种新的两分类器融合的空谱联合高光谱分类方法[J]. 电子学报, 2015,43(11):2210-2217. DOI： 10.3969/j.issn.0372-2112.2015.11.011.

SUN Le, WU Ze-bin, FENG Can, et al. A Novel Two-Classifier Fusion Method for Spectral-Spatial Hyperspectral Classification[J]. Acta Electronica Sinica, 2015, 43(11): 2210-2217. DOI： 10.3969/j.issn.0372-2112.2015.11.011.

摘要

本文提出一种两分类器融合的高光谱空谱联合分类方法

首先利用子空间多项式逻辑回归在图像的特征子空间中分类

得到满概率图;根据满概率将每个像元分至概率最大的两个最可信类别

并在原始空间中构建最可信类别字典

利用稀疏解混对每个像元在最可信类别字典下进行稀疏表示

得到稀疏概率图;最后将满概率图和稀疏概率图线性融合

并利用边缘保持的马尔可夫正则项挖掘图像空间信息

得到具有边缘保持的空谱分类模型.实验表明

提出的两分类器融合方法即使在训练样本较少时也比现有方法得到更好的分类结果.

Abstract

This paper presents a new multiple-classifier approach for spectral-spatial classification of hyperspectral images(HSI).Firstly

subspace based multinomial logistic regression(MLRsub) method is used to calculate the full probability of each pixel in the feature space;Secondly

the sub-dictionary is constructed by the training samples of the most two reliable classes

which is determined by the full probability for each pixel.Then

sparse unmixing(SU) is used to calculate the sparse probability in the original HSI.Finally

the full probability and sparse probability are fused linearly and the spatial information is exploit by an edge preserving Markov random field(MRF) regularizer.Experimental results indicate that our proposed multiple-classifier leads to better classification performance than the state-of-the-art methods

even with small training samples.

关键词

Keywords

references

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

光谱加权协同稀疏和全变差正则化高光谱图像解混