基于PCANet的空谱特征联合高光谱海冰图像分类方法

    公开(公告)号:CN113361407B

    公开(公告)日:2024-07-19

    申请号:CN202110630831.7

    申请日:2021-06-07

    摘要: 本发明涉及一种基于PCANet的空谱特征联合高光谱海冰图像分类方法,包括以下步骤:根据波段选择算法从原始波段样本中选择最优波段组合,完成光谱特征的提取;用主成分分析算法处理原始波段样本,取主成分,并结合灰度共生矩阵算法完成纹理特征的提取;根据Gabor算法,设置多方向、多尺度的Gabor滤波器组,基于光谱特征,计算主成分基于Gabor滤波器的结果,完成空间特征的提取;将光谱特征、纹理特征与空间特征融合后输入PCANet,输出混淆矩阵、整体分类精度与Kappa值。上述基于PCANet的空谱特征联合高光谱海冰图像分类方法,降低了波段以及特征间的冗余性,选择信息量大且相关性低的波段提取深度光谱特征,提高了训练效率,缩减了训练时间。

    基于PCANet的空谱特征联合高光谱海冰图像分类方法

    公开(公告)号:CN113361407A

    公开(公告)日:2021-09-07

    申请号:CN202110630831.7

    申请日:2021-06-07

    摘要: 本发明涉及一种基于PCANet的空谱特征联合高光谱海冰图像分类方法,包括以下步骤:根据波段选择算法从原始波段样本中选择最优波段组合,完成光谱特征的提取;用主成分分析算法处理原始波段样本,取主成分,并结合灰度共生矩阵算法完成纹理特征的提取;根据Gabor算法,设置多方向、多尺度的Gabor滤波器组,基于光谱特征,计算主成分基于Gabor滤波器的结果,完成空间特征的提取;将光谱特征、纹理特征与空间特征融合后输入PCANet,输出混淆矩阵、整体分类精度与Kappa值。上述基于PCANet的空谱特征联合高光谱海冰图像分类方法,降低了波段以及特征间的冗余性,选择信息量大且相关性低的波段提取深度光谱特征,提高了训练效率,缩减了训练时间。