基于空间域目标显著性分析的波段选择方法

作     者：金椿柏 杨桄 卢珊 刘文婧 李德军 郑南 JIN Chun-bai;YANG Guang;LU Shan;LIU Wen-jing;LI De-jun;ZHENG Nan

作者机构：空军航空大学吉林长春130022 东北师范大学地理科学学院吉林长春130024 

基　　金：国家自然科学基金项目(41971290)资助 

出 版 物：《光谱学与光谱分析》 (Spectroscopy and Spectral Analysis)

年 卷 期：2023年第43卷第9期

页      码：2952-2959页

摘      要：作为遥感领域的新兴技术,高光谱成像为遥感影像处理分析和计算机视觉提供了海量内容。高光谱图像的优势在于电磁波谱的范围广度与高分辨率,能够将地物目标的光谱反射特性和差异特征更全面地表现出来,广泛地应用于地物分类、目标识别、异常检测等领域。但是,高光谱图像由于数据量繁重、信息重叠冗杂等问题,给图像处理、存储和传输带来一定挑战。选择合适的光谱波段可以在不改变原图像物理信息的情况下,达到较好的图像处理成果。为设计适合数据降维和目标地物分类的波段选择方法,提出将视觉显著性模型应用到波段选择方法中。首先引入基于图像空间分布的目标显著性算法进行波段图像处理得到目标显著图;其次,利用目标显著图分析地物之间在每一波段图像中的可分离程度定义为波段显著性。为避免波段信息重叠,在波段选择之前利用谱聚类算法将波段划分为若干子空间。然后在子空间内依据波段显著性降序排列,选择各子空间中目标显著性表现较好的波段组成波段子集;最后,在GF-5采集的高光谱图像数据进行方法验证,筛选有效的目标显著性算法,与常用的波段选择算法进行分类精度比较。结果表明,基于LC目标显著性算法的波段选择子集,在SVM分类器中具有优异分类结果,总体分类精度和Kappa系数达87.7800%和0.8053,优于应用全波段和其他三种波段选择方法的结果子集。

主 题 词：高光谱遥感 数据降维 目标显著性 波段选择 地物分类 

学科分类：0810[工学-土木类] 08[工学] 0825[工学-环境科学与工程类] 081002[081002] 0812[工学-测绘类] 0702[理学-物理学类] 

核心收录：

D　O　I：10.3964/j.issn.1000-0593(2023)09-2952-08

馆 藏 号：203123433...