宇航计测技术 ›› 2021, Vol. 41 ›› Issue (4): 38-44.doi: 10.12060/j.issn.1000-7202.2021.04.08
闫钧华1,2; 苏恺1,2; 苏荣华3; 张寅1,2; 王吉远3; 谷安鑫3;
Yan Junhua1,2, Su Kai1,2, Su Ronghua3, Zhang Yin1,2, Wang Jiyuan3, Gu Anxin3
摘要: 利用主成分分析法滤除 n 维高光谱遥感图像中的大部分冗余信息,得到尽可能保留光谱信息的 m 维高光谱遥感图像,融合其地物空间分布信息,将 m 维高光谱遥感图像中的每一个像素点构建为一个 2 维谱-空信息向量。再次利用主成分分析法法对 m 维高光谱遥感图像进行降维,得到 q 维融合地物空间分布信息与光谱信息的结果图。通过高斯混合模型预测聚类中心,基于改进的迭代自组织数据分析算法 ISODATA(Iterative Selforganizing Data Analysis Techniques Algorithm)对高光谱遥感图像进行聚类,得到最终的分类结果。实验结果表明本文方法的地物分类精度优于 K-means、ISODATA 和 SVM 方法,总体分类精度提升 10.14%-13.99%,kappa 系数提升 3.2%-12.85%。