如需要完整文档点击下方 "点击下载文档" 按钮

高光谱遥感光谱特征明显，单纯利用其光谱优势难以达到影像分类精度要求，特别是区分植被精细类别。为了进一步提高Hyperion高光谱影像分类精度，研究加入包含区域亮度变化及结构特征的纹理信息，试图提高分类精度。以杭州市余杭区百丈镇为试验区，首先提取研究区道路、建筑物、农田、毛竹Phyllostachys edulis林、马尾松Pinus massoniana林和栎类Quercus等7种类型的端元光谱，然后对端元进行线性光谱分离，利用二阶概率矩阵对线性光谱分离出的8个波段提取纹理特征，最终结合线性分离后的端元光谱实现分类。结果表明：纹理信息融入后分类结果较单源信息光谱角制图和单源信息支持向量机方法有明显的改善，建筑物精度分别提高了34.13%和17.16%，农田提高了19.71%和9.24%，马尾松则改善了27.09%和5.42%，栎类精度提高了近3.00%和10.00%，且一定程度上避免了椒盐效应。采用光谱与纹理信息结合的方法对Hyperion高光谱影像分类是可行的。分类过程中端元的提取、纹理分析时特征向量的组合及纹理移动窗口大小的选择对分类结果起重要的作用。图6表1参19

如需要完整文档点击下方 "点击下载文档" 按钮

《结合纹理信息Hyperion高光谱影像分类》

将 完整文档 下载到本地，方便收藏和查阅

文件号：106579

点击下载文档