基于形态学空间特征的高光谱遥感图像分类方法

您当前的位置：

首页 >

文章列表页 >

信息光学与图像处理 | 更新时间：2025-09-01

- 基于形态学空间特征的高光谱遥感图像分类方法
- Classification of hyperspectral remotely sensed images based on the extraction of spatial feature
- 光学技术 2016年42卷第5期页码：385-391
- 作者机构：
  
  1. 1:海军航空工程学院控制工程系
  2. 2:海军航空装备计量监修中心
- 作者简介：
- 基金信息：
  
  国家自然科学基金资助项目(61032001,60801049);国家高技术研究发展计划创新基金资助项目(2010AAJ140)
- DOI：10.13741/j.cnki.11-1879/o4.2016.05.001
  中图分类号：
- 纸质出版：2016
- 稿件说明：
移动端阅览
吕俊伟, 樊利恒, 石晓航. 基于形态学空间特征的高光谱遥感图像分类方法[J]. 光学技术, 2016,42(5):385-391.

Classification of hyperspectral remotely sensed images based on the extraction of spatial feature[J]. 2016, 42(5): 385-391.
吕俊伟, 樊利恒, 石晓航. 基于形态学空间特征的高光谱遥感图像分类方法[J]. 光学技术, 2016,42(5):385-391. DOI： 10.13741/j.cnki.11-1879/o4.2016.05.001.

Classification of hyperspectral remotely sensed images based on the extraction of spatial feature[J]. 2016, 42(5): 385-391. DOI： 10.13741/j.cnki.11-1879/o4.2016.05.001.

传统的高光谱图像分类主要是基于像素的光谱特征

在一定程度上忽略了高光谱遥感图像中像素之间的空间相关性。为了充分利用高光谱图像中的空间信息

提出了一种基于加权多结构元素无偏差形态学的空间特征提取方法

并基于形态学的多尺度特征和结构保持性提出了基于邻域的多尺度空间特征提取方法

得到了高光谱遥感图像的空间特征。对k-NN分类算法进行改进

提出了基于变精度粗糙集和重构误差的k-NN分类算法

实现了基于空间特征的高光谱遥感图像分类。在两个不同的高光谱遥感图像的实验验证了基于空间特征和改进k-NN分类算法的性能。

浏览量

386

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于特征点最小距离拟合的文档图像倾斜检测

从SAR遥感图像中提取水域的一种双模式结合方法

基于PCA和SVM的高光谱遥感图像分类研究

一种提高光学目标识别速度的多通道方案