結合經驗模態分解和Gabor濾波的高光譜圖像分類

王立國, 宛宇美, 路婷婷, 楊月霜

(哈爾濱工程大學 信息與通信工程學院，黑龍江 哈爾濱 150001)

?

結合經驗模態分解和Gabor濾波的高光譜圖像分類

王立國, 宛宇美, 路婷婷, 楊月霜

(哈爾濱工程大學 信息與通信工程學院，黑龍江 哈爾濱 150001)

摘要：針對傳統實施于原始數據空間的紋理提取方法的不足，采用經驗模態分解理論提取高光譜圖像中空間結構明顯的固有模態分量，并在提取出的分量上進行Gabor濾波操作，將傳統紋理提取方式轉移到變換域上進行，提出了一種基于二維經驗模態分解融合空間信息的高精度紋理提取算法。對兩個數據集進行仿真實驗，實驗結果表明改進算法有效地提高了高光譜圖像分類精度且抗噪性能良好，提出算法性能明顯優于傳統Gabor-PCA算法，能夠更大程度挖掘高光譜圖像空間信息。

關鍵詞：高光譜圖像;圖像分類;空間信息;經驗模態分解;Gabor濾波

高光譜和空間分辨率遙感影像近幾年受到越來越多的關注，這類高光譜數據被廣泛應用于城市地區土地覆蓋/土地利用制圖上。為了廣泛利用高光譜圖像的空間結構以及光譜信息，國內外學者已展開了若干研究。其中Fauvel將光譜信息與提取的目標特征信息重構目標特征矢量，并通過分類實驗驗證了提出方法的有效性[1]。Camps-Valls在分類過程中分別構造譜域信息與空域信息的核函數，并且研究了幾種核函數組合方式[2]。Tarabalka利用聚類算法分割高光譜圖像，進而結合分割結果以及光譜特征分類結果，總體分類結果有一定提高[3]。……