排序方式: 共有3条查询结果,搜索用时 0 毫秒
1
1.
2.
针对复杂背景像元影响高光谱分类精度的问题,将目标检测方法引入地物分类研究,提出了一种基于谱空特征迭代的高光谱图像分类方法,该方法通过将约束能量最小化设计了一种多目标约束的类别分类器(MTCC)。该分类器利用检测原理提取多类目标地物,有效地降低了复杂背景数据对分类精度的影响;同时为了解决光谱特征带来的过分类问题,方法中利用反馈式谱空融合方式强化空间增强信息在分类中的作用,以逐步提高分类精度。利用Purdue、Salinas和Pavia数据集进行实验,结果表明,所提方法的平均分类精度分别为98.09%、97.33%和84.68%,精确率分别为96.84%、95.32%和79.13%,与其他方法相比所提方法具有更高的泛化能力,实用性更强。 相似文献
3.
为了有效缓解海量高光谱数据存储与传输压力并快速精确检测异常目标,提出一种以滑动阵列窗像元为局部背景的高光谱图像非因果实时RXD异常检测方法.利用随数据逐像元接收而滑动的阵列窗确定局部背景像元,运用Woodbury引理,通过矩阵与向量的乘法和矩阵的加减实现局部背景协方差矩阵的求逆运算,在逐像元接收数据的同时实现阵列窗口中心像元的异常检测.模拟和真实高光谱图像实验结果表明,与现有实时检测方法相比,所提方法在检测性能或运行效率上有所提升;相比非实时的滑动阵列RXD异常检测,所提方法时间复杂度更低,处理大小为200×200含189波段的图像,其加速比达到近26倍.实验结果验证了该方法能在不降低检测精度的同时满足低运算量和低存储空间的实时性要求. 相似文献
1