论文研究-基于DS聚类的高光谱图像集成分类算法.pdf下载

针对高光谱遥感图像维数高、样本少导致分类精度低的问题，提出一种基于DS聚类的高光谱图像集成分类算法（DSCEA）。首先，根据高光谱数据特点，从整体波段中随机选择一定数量的波段，构成不同的训练样本；其次，分析图像的空谱信息，构造无向加权图，利用优势集（DS）聚类方法得到最大特征差异的波段子集；最后，根据不同样本，利用支持向量机训练具有差异的单个分类器，采用多数表决法集成最终分类器，实现对高光谱遥感图像的分类。在Indian Pines数据集上DSCEA算法的分类精度最高可达到84.61%，在Pavia University数据集上最高可达到91.89%，实验结果表明DSCEA算法可以有效地解决高光谱图像分类问题。