期刊导航
期刊开放获取
重庆大学
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
联合局部二值模式与K-最近邻算法的高光谱图像分类方法
被引量：
14
1
作者
赵晋陵
胡磊
+3 位作者
严豪
储国民
方艳
黄林生
《红外与毫米波学报》
SCIE
EI
CAS
CSCD
北大核心
2021年第3期400-412,共13页
如何利用较少训练样本达到高分类精度已成为高光谱遥感领域的重要研究方向和极具挑战性任务。针对高光谱图像包含的丰富光谱与空间信息,提出了一种联合局部二值模式LBP(Local Binary Patterns)与K-最近邻KNN(K-Nearest Neighbors)算法...
如何利用较少训练样本达到高分类精度已成为高光谱遥感领域的重要研究方向和极具挑战性任务。针对高光谱图像包含的丰富光谱与空间信息,提出了一种联合局部二值模式LBP(Local Binary Patterns)与K-最近邻KNN(K-Nearest Neighbors)算法的高光谱图像分类方法。首先,通过主成分分析PCA(Principle Component Analysis)对高光谱数据进行降维;然后,使用LBP提取降维后的高光谱图像空间纹理信息,将光谱与空间特征变量堆叠成空—谱特征向量;最后,输入最近邻分类器得到分类结果。选取Pavia University、Indian Pines和Salinas三种公开高光谱数据集的训练集和测试集作为建模和验证数据源,选取KNN、基于径向基核函数的支持向量机(RBF-SVM)、核联合正交匹配追踪(Kernel Simultaneous Orthogonal Matching Pursuit,KSOMP)三种经典分类算法作为比较。在Pavia University与Indian Pines数据集中随机选取10%作为训练样本,总体精度和Kappa系数分别达到99.15%、98.87%和97.88%、97.58%;在Salinas数据集中随机选取2%作为训练样本,总体精度与Kappa系数为98.46%和98.29%。实验结果表明,在训练样本仅为数据集10%甚至2%的条件下,本文提出的方法仍可达到98%以上的分类精度,可满足训练样本难以获取的应用场景对高分类精度要求。
展开更多
关键词
高光谱遥感
局部二值模式
K-最近邻
空谱特征
主成分分析
下载PDF
职称材料
题名
联合局部二值模式与K-最近邻算法的高光谱图像分类方法
被引量：
14
1
作者
赵晋陵
胡磊
严豪
储国民
方艳
黄林生
机构
安徽大学农业生态大数据分析与应用技术国家地方联合工程研究中心
安徽大学电子信息工程学院
出处
《红外与毫米波学报》
SCIE
EI
CAS
CSCD
北大核心
2021年第3期400-412,共13页
基金
国家自然科学基金“基于无人机遥感影像融合的地块尺度小麦白粉病解析方法研究”(31971789)
安徽省自然科学基金“小麦白粉病侵染风险评估体系构建与预测模型研究”(2008085MF184)
安徽省高等学校自然科学研究项目(KJ2019A0030)。
文摘
如何利用较少训练样本达到高分类精度已成为高光谱遥感领域的重要研究方向和极具挑战性任务。针对高光谱图像包含的丰富光谱与空间信息,提出了一种联合局部二值模式LBP(Local Binary Patterns)与K-最近邻KNN(K-Nearest Neighbors)算法的高光谱图像分类方法。首先,通过主成分分析PCA(Principle Component Analysis)对高光谱数据进行降维;然后,使用LBP提取降维后的高光谱图像空间纹理信息,将光谱与空间特征变量堆叠成空—谱特征向量;最后,输入最近邻分类器得到分类结果。选取Pavia University、Indian Pines和Salinas三种公开高光谱数据集的训练集和测试集作为建模和验证数据源,选取KNN、基于径向基核函数的支持向量机(RBF-SVM)、核联合正交匹配追踪(Kernel Simultaneous Orthogonal Matching Pursuit,KSOMP)三种经典分类算法作为比较。在Pavia University与Indian Pines数据集中随机选取10%作为训练样本,总体精度和Kappa系数分别达到99.15%、98.87%和97.88%、97.58%;在Salinas数据集中随机选取2%作为训练样本,总体精度与Kappa系数为98.46%和98.29%。实验结果表明,在训练样本仅为数据集10%甚至2%的条件下,本文提出的方法仍可达到98%以上的分类精度,可满足训练样本难以获取的应用场景对高分类精度要求。
关键词
高光谱遥感
局部二值模式
K-最近邻
空谱特征
主成分分析
Keywords
hyperspectral remote sensing
local binary patterns(LBP)
k-nearest neighbors(KNN)
spatial and textural features
principle component analysis
分类号
P237 [天文地球—摄影测量与遥感]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
联合局部二值模式与K-最近邻算法的高光谱图像分类方法
赵晋陵
胡磊
严豪
储国民
方艳
黄林生
《红外与毫米波学报》
SCIE
EI
CAS
CSCD
北大核心
2021
14
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
