一种基于AdaBoost的高光谱遥感影像分类方法技术

技术编号:8079072 阅读:295 留言:0更新日期:2012-12-13 22:01
本发明专利技术公开了一种基于AdaBoost的高光谱遥感影像分类方法。传统的模式识别方法无法满足对数据维数高、数据量大的高光谱数据进行高效率高精度的分类,神经网络、支持向量机虽然能够对遥感数据进行有效的分类,但是参数没有理想的选择方法。本发明专利技术首先对高光谱数据进行预处理,去掉大气吸收等因素影响下的异常波段。之后利用MNF变换进行波段优选,达到优化数据、去除噪声和数据降维的目的。然后划分训练样本以及测试样本,选择决策树桩作为弱分类器,对弱分类器训练利用AdaBoost算法得到强分类器,选择合适的迭代次数,最后用一对一的方法构建多分类器,本发明专利技术增强了分类器收敛速度,提高了高光谱图像的分类性能。

【技术实现步骤摘要】

本专利技术属于高光谱数据处理方法与应用
,涉及,适用于高光谱数据监督分类的理论方法和应用技术研究。
技术介绍
高光谱影像光谱特征具有明显的高维特征,特征之间具有强相关性,直接应用原始波段进行分析是低效的。使用传统多光谱影像分类方法对高光谱影像进行分类时会遇到“维数灾难”现象,而且计算量随波段数量成四次方增加。为了更好地解决高光谱遥感影像分类问题,必须克服Hughes现象。通过有效特征提取算法降低数据维数可以克服Hughes现象,提高分类速度和精度,MNF是一种由Green等提出的特征提取和去除噪声的有效方法。 高光谱遥感影像的监督分类方法主要包括两大类基于光谱特征匹配的方法和基于统计分析模型的方法。由于高光谱数据在获取过程中,大气、地形、光照等条件的影像,使得其获得的地物光谱特征变化较大,因此,基于光谱特征匹配的方法会出现不同地物之间混淆较大、不稳定等问题,使得分类结果精度降低;基于统计分析模型的方法主要是对高光谱数据样本的总体特征进行统计分析,根据样本采样点统计分布特征实现不同地物的分类。但是在统计分析模型建立过程中为了实现精确的分类,需要对训练样本进行分布假设以及大量的统本文档来自技高网...

【技术保护点】
一种基于AdaBoost的高光谱遥感影像分类方法,其特征在于该方法包括以下步骤:1)高光谱数据的预处理;将光谱影像各个波段以灰度图实现显示,对各个波段的光谱影像进行目视检查,确定由于大气吸收、折射和散射因素的作用对光谱数据产生较大影响的异常波段和由于其他因素对光谱数据产生较大噪声的异常波段,对异常波段做直接剔除处理;2)MNF特征提取;MNF是含有两次叠置处理的主成分分析,其步骤如下:第一步,对高光谱图像的噪声协方差矩阵进行估计,得到噪声协方差矩阵???????????????????????????????????????????????,然后将其对角化为矩阵,即:?;???????????...

【技术特征摘要】

【专利技术属性】
技术研发人员:郭宝峰陈华杰谷雨徐钰明彭冬亮刘俊郭云飞左燕
申请(专利权)人:杭州电子科技大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1