文献类型：期刊文章

作　　者：杨秀杰[1] 高丽[2]

Yang Xiujie;Gao Li(School of Digital Media,Chongqing College of Electronic Engineering,Chongqing 401331,China;Dept.of Student Work,Southwest University,Chongqing 400715,China)

机构地区：[1]重庆电子工程职业学院数字媒体学院,重庆401331 [2]西南大学学生工作处,重庆400715

出　　处：《计算机应用研究》

基　　金：重庆市教委课题项目(KJ1729408);重庆市教委教改重点项目(162071)。

年　　份：2020

卷　　号：37

期　　号：3

起止页码：928-931

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSCD、CSCD_E2019_2020、EBSCO、IC、JST、PROQUEST、RCCSE、UPD、ZGKJHX、ZMATH、核心刊

摘　　要：针对传统高光谱图像分类算法忽略空间特征这个问题,提出一种基于Gabor特征和决策融合的高光谱图像分类算法。首先,通过系数相关矩阵智能地对相邻和高相关光谱带进行分组;接着,在PCA投影子空间中提取每组中的Gabor特征,以量化局部方向和尺度特征;然后,结合保留非负矩阵分解的局部性以减少这些特征子空间的维度;最后,对降维特征进行高斯混合模型分类,并使用对数分类池决策融合规则将分类结果合并。实验结果表明,所提算法优于传统和现有的共计八种先进的分类算法。

关 键 词：高光谱图像 分类  GABOR特征 高斯混合模型 决策融合  PCA投影  

分 类 号：TP751]