基于波段子集的独立分量分析的特征提取的高光谱遥感影像分类

作者： 郭学兰 ; 杨敏华 ; 毛军 ; 周秋琳

摘要： 针对高光谱影像数据具有波段众多、数据量较大的特点,本文提出了一种基于波段子集的独立分量分析(ICA)特征提取的高光谱遥感影像分类的新方法。以北京昌平小汤山地区的高光谱影像为例,根据高光谱遥感影像的相邻波段的相关性进行子空间划分,在各个波段子集上采用ICA算法进行特征提取,将各个子空间提取的特征合并组成特征向量,采用支持向量机(SVM)分类器进行分类。结果表明:该方法分类精度最佳(分类精度89.04%,Kappa系数0.8605,明显优于其它特征提取方法的SVM分类,有效地提高了高光谱数据的分类精度。

关键字： 高光谱 特征提取 独立成分分析(ICA) 支持向量机(SVM)

上一篇：广州市“数字绿化”仿真应用的城市园林景观3维可视化技术研究
下一篇：基于CORS系统的网络RTK技术在控制测量中的应用