面向高光谱图像分类的超像素级Gabor特征融合方法研究

来源：南京信息工程大学学报·自然科学版杂志2018年第1期北京时间：

作者：贾森

单位：贾森,深圳大学 计算机与软件学院, 深圳, 518060;深圳大学 空间信息智能感知与服务深圳市重点实验室, 深圳, 518060,吴奎霖,深圳大学 计算机与软件学院, 深圳, 518060,朱家松,深圳大学 空间信息智能感知与服务深圳市重点实验室, 深圳, 518060,zhujiasong@gmail.com李清泉,深圳大学 空间信息智能感知与服务深圳市重点实验室, 深圳, 518060

摘要：由于高光谱图像中的地物空间分布具有规整性和局部连续性，同时超像素分割是一种将空间图像分割成多个同质区域的有效方法，因此从超像素的角度进行高光谱图像分类将具有重要意义.本文提出了一种超像素级Gabor特征融合的高光谱图像分类方法，简称为SPGF.首先，使用一组预定义的二维Gabor滤波器与原始高光谱图像进行卷积运算，提取有效特征.同时，利用简单线性迭代聚类（简称SLIC）超像素分割方法将原始高光谱图像划分成互不重叠的超像素.然后，对于每个Gabor特征模块，利用支持向量机分类器进行分类，并使用多数投票策略实现各模块分类结果的融合.最后，使用通过SLIC算法得到的超像素图对分类结果进行修正.在2个真实高光谱数据集上的实验结果表明，本文提出的SPGF方法能够比领域内的一些经典算法获得更高的分类效果.

关键词：高光谱图像;超像素分割;Gabor小波

基金资助：国家自然科学基金（61671307）；广东特支计划科技青年拔尖人才（2015TQ01X238）；深圳市科技研发资金基础研究计划（JCYJ20160422093647889）