典型文献
基于多尺度特征的高光谱遥感图像分类方法
文献摘要：
针对高光谱遥感图像分类精度较低的问题,研究基于多尺度特征的高光谱遥感图像分类方法.利用基于邻域的多尺度空间信息特征提取方法,提取图像多尺度空间特征,构建图像分类样本集;融合高光谱核与空间核获取核函数,利用核函数代替支持向量机中多尺度特征样本间的内积运算,实现图像分类.实验证明:该方法可全面提取图像的多尺度空间特征,在高光谱图像内加入噪声后,该方法依能精准分类图像;该方法的分类Top-1错误率最低为1.8％,Kappa系数最低为0.96,误分类率最高为3.92％,提高了分类精度.
文献关键词：
多尺度特征;高光谱;遥感图像;分类方法;支持向量机;核函数
中图分类号：
作者姓名：
张新颜;王国勇
作者机构：
洛阳理工学院计算机与信息工程学院,洛阳 471023
文献出处：
引用格式：
[1]张新颜;王国勇-.基于多尺度特征的高光谱遥感图像分类方法)[J].激光杂志,2022(10):97-101
A类：
B类：
多尺度特征,高光谱遥感图像,遥感图像分类,分类方法,分类精度,邻域,多尺度空间,空间信息特征,空间特征,建图,样本集,核函数,数代,特征样本,内积,高光谱图像,精准分类,Top,错误率,Kappa,误分类
AB值：
0.234944
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
