兵工学报
兵工學報
병공학보
ACTA ARMAMENTARII
2009年
2期
165-169
,共5页
谌德荣%陶鹏%宫久路%范宁军
諶德榮%陶鵬%宮久路%範寧軍
심덕영%도붕%궁구로%범저군
摄影测量与遥感技术%高光谱图像%分类%SOFM神经网络%区域特征光谱
攝影測量與遙感技術%高光譜圖像%分類%SOFM神經網絡%區域特徵光譜
섭영측량여요감기술%고광보도상%분류%SOFM신경망락%구역특정광보
高光谱图像的快速准确分类是遥感图像处理的关键技术之一.本文提出了区域特征光谱(RFS)的概念,并采用空间邻域聚类方法提取区域特征光谱;提出了以区域特征光谱作为SOFM神经网络输入的RFS-SOFM高光谱图像快速分类方法,该方法通过区域特征光谱代替单个像元光谱实现神经网络运算量的降低和对图像噪声的抑制.对AVIRIS图像数据的仿真结果表明:RFS-SOFM分类精度高于SOFM神经网络和K-均值算法,计算量约为K-均值的163.6%,SOFM神经网络的5.9%.
高光譜圖像的快速準確分類是遙感圖像處理的關鍵技術之一.本文提齣瞭區域特徵光譜(RFS)的概唸,併採用空間鄰域聚類方法提取區域特徵光譜;提齣瞭以區域特徵光譜作為SOFM神經網絡輸入的RFS-SOFM高光譜圖像快速分類方法,該方法通過區域特徵光譜代替單箇像元光譜實現神經網絡運算量的降低和對圖像譟聲的抑製.對AVIRIS圖像數據的倣真結果錶明:RFS-SOFM分類精度高于SOFM神經網絡和K-均值算法,計算量約為K-均值的163.6%,SOFM神經網絡的5.9%.
고광보도상적쾌속준학분류시요감도상처리적관건기술지일.본문제출료구역특정광보(RFS)적개념,병채용공간린역취류방법제취구역특정광보;제출료이구역특정광보작위SOFM신경망락수입적RFS-SOFM고광보도상쾌속분류방법,해방법통과구역특정광보대체단개상원광보실현신경망락운산량적강저화대도상조성적억제.대AVIRIS도상수거적방진결과표명:RFS-SOFM분류정도고우SOFM신경망락화K-균치산법,계산량약위K-균치적163.6%,SOFM신경망락적5.9%.
