高级检索
ENGLISH

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

一种基于归一化光谱向量的高光谱图像实时性非监督分类方法

徐杭威,  赵壮,  岳江,  柏连发

downloadPDF
文章导航 > 红外技术  > 2018 >  40(4): 362-368
徐杭威, 赵壮, 岳江, 柏连发. 一种基于归一化光谱向量的高光谱图像实时性非监督分类方法[J]. 红外技术, 2018, 40(4): 362-368.
引用本文: 徐杭威, 赵壮, 岳江, 柏连发. 一种基于归一化光谱向量的高光谱图像实时性非监督分类方法[J]. 红外技术, 2018, 40(4): 362-368.
shu
XU Hangwei, ZHAO Zhuang, YUE Jiang, BAI Lianfa. Real-time Unsupervised Classification Method of Hyperspectral Images Based on the Normalized Spectral Vector[J]. Infrared Technology , 2018, 40(4): 362-368.
Citation: XU Hangwei, ZHAO Zhuang, YUE Jiang, BAI Lianfa. Real-time Unsupervised Classification Method of Hyperspectral Images Based on the Normalized Spectral Vector[J]. Infrared Technology , 2018, 40(4): 362-368.
shu

一种基于归一化光谱向量的高光谱图像实时性非监督分类方法

  • 南京理工大学 江苏省光谱成像与智能感知重点实验室,江苏 南京,210094

  • 南京理工大学

基金项目: 国家自然科学基金项目(61231014)
详细信息

  • 中图分类号: TP751.1

Real-time Unsupervised Classification Method of Hyperspectral Images Based on the Normalized Spectral Vector

    摘要
  • 摘要: 在保证分类结果清晰、准确的前提下,为了提高分类执行效率,本文基于图形处理器(graphic processing unit,GPU)及并行优化,提出一种基于归一化光谱向量的高光谱图像实时性非监督分类方法.利用高光谱图像的空间一致性有效提高分类精度,同时,利用归一化光谱向量简化了像元间相似性的计算公式,统一了图像内像元处理方式,并利用GPU并行技术有效提高计算速度.首先,利用GPU并行处理方法计算空间相邻像元间光谱向量相似性,根据高斯拟合取得安全阈值;然后利用光谱角作为像元光谱相似测度,将相似像元划为同质区;最后以同质区内各像元平均光谱向量表述同质区光谱特征,根据安全阈值合并相似的同质区完成分类.用AVIRIS数据评估了该方法性能.本文的理论分析和实验结果显示,与现有非监督分类方法相比,该方法分类精度更高,同时,算法本身运行速度更快.
    • HTML全文
    • 参考文献(0)
    • 相关文章
    • 施引文献
  • 资源附件(0)
  • 加载中
WeChat 点击查看大图
计量
  • 文章访问数:  109
  • HTML全文浏览量:  15
  • PDF下载量:  10
  • 被引次数: 0
出版历程

目录

    /

    返回文章
    返回

    版权所有 © 《红外技术》编辑部京ICP备000000000号-1

    本系统由 北京仁和汇智信息技术有限公司 开发    百度统计