文件名称：PCA与移动窗小波变换的高光谱决策融合分类
文件大小：2.66MB
文件格式：PDF
更新时间：2024-05-20 19:31:40
高光谱分类; 主成分分析; 小波变换; 决策融合
目的高光谱数据具有较高的谱间分辨率和相关性,给分类处理带来了一定的困难。为了提高分类精度,提出一种结合PCA与移动窗小波变换的高光谱决策融合分类算法。方法首先,利用相关系数矩阵对原始高光谱数据进行波段分组;然后,利用主成分分析对每组数据进行谱间降维;再根据提出的移动窗小波变换法进行空间特征提取;最后,采用线性意见池(LOP)决策融合规则对多分类器的分类结果进行融合。结果采用两组来自不同传感器的数据进行实验,所提算法的分类精度和Kappa系数均高于已有的5种分类算法。与SVM-RBF算法相比,本文算法的分类精度高出了8%左右。结论实验结果表明,本文算法充分挖掘了高光谱图像的谱间-空间信息,能有效提高分类正确率,在小样本情况下和噪声环境中也具有良好的分类性能。