吉林大学学报(地球科学版) ›› 2020, Vol. 50 ›› Issue (4): 1249-1260.doi: 10.13278/j.cnki.jjuese.20190133
• 地球探测与信息技术 • 上一篇
张辉1,2, 刘万军2, 吕欢欢2
Zhang Hui1,2, Liu Wanjun2, Lü Huanhuan2
摘要: 高光谱遥感影像分类是高光谱遥感影像处理和应用的重要组成部分。然而,高光谱遥感影像具有波段数量较多和空间分辨率较高等特点,给分类任务带来一定的挑战。为了提高分类精度,充分利用影像的空间信息和像素间的局部信息,提出一种引导滤波联合局部判别嵌入的高光谱影像分类方法。首先,对高光谱遥感影像进行归一化,利用主成分分析方法实现特征提取,将提取的第一主成分影像作为引导图像;其次,采用引导滤波分别提取各波段影像的空间特征;然后,将提取的空间影像特征进行叠加,通过局部Fisher判别分析完成低维嵌入;最后,将得到的低维嵌入特征输入支持向量机分类器得到分类结果。采用Indian Pines和Pavia University两幅高光谱影像进行实验的结果表明:在分别从各类地物中随机选取10%和100个样本作为训练样本的情况下,其总体分类精度分别提高到98.28%和99.45%;对比其他相关方法,该方法能够获取更高的分类精度。该方法在低维嵌入的同时,有效利用了影像的空间信息,改善了分类效果。
中图分类号:
[1] 童庆禧,张兵,张立福.中国高光谱遥感的前沿进展[J]. 遥感学报,2016, 20(5):689-707. Tong Qingxi, Zhang Bing, Zhang Lifu. Current Progress of Hyperspectral Remote Sensing in China[J]. Journal of Remote Sensing, 2016, 20(5):689-707. [2] Imani M. Manifold Structure Preservative for Hyperspectral Target Detection[J]. Advances in Space Research, 2018, 61(10):2510-2520. [3] 杜培军,夏俊士,薛朝辉,等. 高光谱遥感影像分类研究进展[J]. 遥感学报,2016, 20(2):236-256. Du Peijun, Xia Junshi, Xue Zhaohui, et al. Review of Hyperspectral Remote Sensing Image Classification[J]. Journal of Remote Sensing, 2016, 20(2):236-256. [4] Corson M R, Lucke R L, Davis C O, et al. The Hyperspectral Imager for the Coastal Ocean (HICOTM) Environmental Littoral Imaging from the International Space Station[J]. IEEE International Geoscience & Remote Sensing Symposium, 2010, 4(6):3752-3755. [5] 蒋夕平,吴凤凰,蒋昱,等.基于FastICA算法的高光谱矿物丰度反演高光谱矿物填图应用[J]. 吉林大学学报(地球科学版),2013, 43(5):1681-1686. Jiang Xiping, Wu Fenghuang, Jiang Yu, et al. Hyper-Spectral Mineral Abundance Inversion Based on FastICA Algorithm[J]. Journal of Jilin University (Earth Science Edition), 2013, 43(5):1681-1686. [6] Xie Weiying, Li Yunsong, Zhou Weiping. Feature Extraction of Hyperspectral Images with a Matting Model[J]. International Journal of Remote Sensing, 2018, 39(5):1510-1527. [7] 叶涛,韦阿娟,黄志,等. 基于主成分分析法与Bayes判别法组合应用的火山岩岩性定量识别:以渤海海域中生界为例[J]. 吉林大学学报(地球科学版),2019, 49(3):873-880. Ye Tao, Wei Ajuan, Huang Zhi, et al. Quantitative Identification of Volcanic Lithology Based on Comprehensive Principal Component Analysis and Bayes Discriminant Method:A Case Study of Mesozoic in Bohai Bay[J]. Journal of Jilin University (Earth Science Edition), 2019, 49(3):873-880. [8] Bandos T V, Bruzzone L, Camps-Valls G. Classification of Hyperspectral Images with Regularized Linear Discriminant Analysis[J]. IEEE Transactions on Geoscience and Remote Sensing, 2009, 47(3):862-873. [9] He Xiaofei, Niyogi P. Locality Preserving Projections[M]. Cambridge:MIT Press, 2003. [10] Sugiyama M. Dimensionality Reduction of Multimodal Labeled Data by Local Fisher Discriminant Analysis[J]. Journal of Machine Learning Research, 2007, 8(1):1027-1061. [11] Wei L, Prasad S, Fowler J E, et al. Locality-Preserving Dimensionality Reduction and Classification for Hyperspectral Image Analysis[J]. IEEE Transactions on Geoscience and Remote Sensing, 2012, 50(4):1185-1198. [12] 黄鸿,郑新磊. 高光谱影像空-谱协同嵌入的地物分类算法[J]. 测绘学报,2016, 45(8):964-972. Huang Hong, Zheng Xinlei. Hyperspectral Image Land Cover Classification Algorithm Based on Spatial-Spectral Coordination Embedding[J]. Acta Geodaetica et Cartographica Sinica, 2016, 45(8):964-972. [13] 王俊淑,江南,张国明,等. 融合光谱-空间信息的高光谱遥感影像增量分类算法[J]. 测绘学报,2015, 44(9):1003-1013. Wang Junshu, Jiang Nan, Zhang Guoming, et al. Incremental Classification Algorithm of Hyperspectral Remote Sensing Images Based on Spectral-Spatial Information[J]. Acta Geodaetica et Cartographica Sinica, 2015, 44(9):1003-1013. [14] Mirzapour F, Ghassemian H. Improving Hyperspectral Image Classification by Combining Spectral, Texture, and Shape Features[J]. International Journal of Remote Sensing, 2015, 36(4):1070-1096. [15] 叶珍,白璘,粘永健. 基于Gabor特征与局部保护降维的高光谱图像分类算法[J]. 光学学报,2016, 36(10):512-521. Ye Zhen, Bai Lin, Nian Yongjian. Hyperspectral Image Classification Algorithm Based on Gabor Feature and Locality-Preserving Dimensionality Reduction[J]. Acta Optica Sinica, 2016, 36(10):512-521. [16] 黄鸿,郑新磊,罗甫林. 基于Gabor特征与局部保护降维的高光谱图像分类算法[J]. 光子学报,2016,45(10):152-160. Huang Hong, Zheng Xinlei, Luo Fulin. Hyperspectral Image Classification with Combination of Weighted Mean Filter and Manifold Reconstruction Preserving Embedding[J]. Acta Photonica Sinica, 2016, 45(10):152-160. [17] He K, Sun J, Tang X. Guided Image Filtering[J]. IEEE Transactions on Software Engineering, 2013, 35(6):1397-1409. [18] Kumar P S, Supratim G, Sahu P K. Curvelet-Based Multiscale Denoising Using Non-Local Means & Guided Image Filter[J]. IET Image Processing, 2018, 12(6):909-918. [19] 杨艳春,李娇,党建武,等. 基于引导滤波与改进PCNN的多聚焦图像融合算法[J]. 光学学报,2018, 38(5):86-95. Yang Yanchun, Li Jiao, Dang Jianwu, et al. Multi-Focus Image Fusion Based on Guided Filtering and Improved PCNN[J]. Acta Optica Sinica, 2018, 38(5):86-95. [20] Pal M, Foody G M. Feature Selection for Classification of Hyperspectral Data by SVM[J]. IEEE Transactions on Geoscience and Remote Sensing, 2010, 48(5):2297-2307. |
[1] | 白韬, 杨国东, 王凤艳, 刘佳为. 一种面向对象的最优分割尺度计算模型[J]. 吉林大学学报(地球科学版), 2020, 50(1): 304-312. |
[2] | 贺金鑫, 姜天, 董永胜, 韩凯旭, 马宁, 熊玥. 基于Landsat 8的辽宁弓长岭区遥感蚀变信息提取[J]. 吉林大学学报(地球科学版), 2019, 49(3): 893-901. |
[3] | 叶涛, 韦阿娟, 黄志, 赵志平, 肖述光. 基于主成分分析法与Bayes判别法组合应用的火山岩岩性定量识别:以渤海海域中生界为例[J]. 吉林大学学报(地球科学版), 2019, 49(3): 872-879. |
[4] | 韩启迪, 张小桐, 申维. 基于决策树特征提取的支持向量机在岩性分类中的应用[J]. 吉林大学学报(地球科学版), 2019, 49(2): 611-620. |
[5] | 束龙仓, 李姝蕾, 王松, 克热木·阿布都米吉提, 鲁程鹏, 李砚阁, 李伟. 岩溶水源地安全供水的风险评价指标筛选——以娘子关泉水源地为例[J]. 吉林大学学报(地球科学版), 2018, 48(3): 805-814. |
[6] | 陈盟, 吴勇, 高东东, 常鸣. 广汉市平原区浅层地下水化学演化及其控制因素[J]. 吉林大学学报(地球科学版), 2016, 46(3): 831-843. |
[7] | 于磊,邱殿明,刘莉,凌峰,李巍,胡广鑫,刘国才. 基于SPCA和AHP联合方法的滦河流域生态环境脆弱性变化规律分析[J]. 吉林大学学报(地球科学版), 2013, 43(5): 1588-1594. |
[8] | 陈圣波,刘彦丽,杨倩,周超,赵靓. 植被覆盖区卫星高光谱遥感岩性分类[J]. 吉林大学学报(地球科学版), 2012, 42(6): 1959-1965. |
[9] | 叶润青, 牛瑞卿, 张良培. 基于多尺度分割的岩石图像矿物特征提取及分析[J]. J4, 2011, 41(4): 1253-1261. |
[10] | 蒋立军, 邢立新, 梁一鸿, 潘军, 梁立恒, 黄竞铖. 融合化探信息的遥感异常提取[J]. J4, 2011, 41(3): 932-936. |
[11] | 张文, 陈剑平, 秦胜伍, 张晨, 李明, 马建全. 基于主成分分析的FCM法在泥石流分类中的应用[J]. J4, 2010, 40(2): 368-372. |
[12] | 陈永良, 林楠, 李学斌. 求解大样本核主成分分析模型的Lanczos算法[J]. J4, 2010, 40(1): 222-226. |
[13] | 辛 馨,杨俊鹏,赵奎涛,胡 克. 双台河口土壤中Mn、Zn和Rb的变化规律及其原因分析[J]. J4, 2007, 37(5): 983-0987. |
|