基于图像分割和lssvm的高光谱图像分类

《基于图像分割和lssvm的高光谱图像分类》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于图像分割和LSSVM的高光谱图像分类　　摘要：提出一种基于图像分割和LSSVM的高光谱图像分类方法，将空谱信息结合起来进行高光谱图像的分类。首先利用均值漂移算法对高光谱图像进行分割，然后对每一块分割区域数据进行降维并且对降维后的数据LSSVM分类，最后用最大投票方法融合分割图和分类得到最终的分类结果。该文分类方法先对分割后的区域求出相似性矩阵并训练新样本集求出低秩系数矩阵，由相似性矩阵和低秩系数矩阵构造特征值方程求解出降维矩阵，然后利用混合核LSSVM对降维后的数据进行分类。实验结果表明，提出的基于图像分割和LS

2、SVM的高光谱图像分类方法有效提高了高光谱图像的分类精度。　　关键词：高光谱图像分类；图像分割；LSSVM；数据降维　　中图分类号：TN911.73?34；TP751.1文献标识码：A文章编号：1004?373X（2016）24?0014?04　　HyperspectralimageclassificationbasedonimagesegmentationandLSSVM　　CHUHeng1，2，CHAOShuanshe1　　（1.SchoolofCommunicationandInformationEnginee

3、ring，ChongqingUniversityofPostsandTelecommunications，Chongqing400065，China；　　2.SchoolofGeographicalSciences，SouthwestUniversity，11Chongqing400715，China）　　Abstract：AhyperspectralimageclassificationmethodbasedonimagesegmentationandLSSVMisproposed，whichcombinesspa

4、tialinformationtorealizethehyperspectralimageryclassification.Firstlyhyperspectralimageissegmentedwithmean?shiftalgorithm，andthendimensionreductionofthedataineachsegmentationregionisconductedandLSSVMclassificationofthedataafterdimensionreductioniscarriedout.Fin

5、allythemaximumvotingmethodisusedtofusesegmentedmapandobtainthefinalclassificationresult.Withtheproposedmethod，thesimilaritymatricesofsegmentedregionsarederivedandthenewtrainingsamplesetistrainedtoderivethelowrankcoefficientmatrix，andtheeigenvalueequationisbuilt

6、bymeansofsimilaritymatricesandlowrankcoefficientmatrixtosolvethedimensionreductionmatrix，andthenLSSVMisusedtoclassifythedataafterdimensionreduction.Theexp?erimentalresultsshowthatthehyperspectralimageclassificationmethodbasedonimagesegmentationandLSSVMcaneffect

7、ivelyimprovetheclassificationaccuracyofhyperspectralimages.　　Keywords：hyperspectralimageclassification；imagesegmentation；LSSVM；dimensionreductionofdata　　0引言11　　高光谱遥感图像由于覆盖波段多，光谱分辨率高，可以进行精细的地物分类，近年来被应用在矿物勘测、精细农业、医学检验等民用领域和军事侦察、战场地图绘制等军事应用领域。由于高光谱数据维数高，当样本数量有限时，往

8、往会出现分类精度随特征维数的上升而下降的所谓Hughes现象[1]。支持向量机（SupportVctorMachine，SVM）在解决小样本高维数据的分类问题上具有较好的性能，是目前应用最为广泛的高光谱图像分类方法[2]，为了解决SVM的凸优化求解问题提出了最小二乘支持向量机（LeastSquareSupportVctorMachine，LSS