基于SOP-SRL波段选择和3D-Gabor滤波的高光谱图像分类

摘要

为了解决高光谱图像分类精度低,计算复杂度高的问题,本文提出一种基于可扩展的自表示学习波段选择方法(SOP-SRL)和3D-Gabor滤波的高光谱图像分类方法,以表示高光谱图像的空间光谱特征.使用SOP-SRL,通过缓存向量选择出信息量大的波段;应用3D-Gabor滤波器组对选定的波段进行响应,获取所有像素点的特征向量,将这些特征向量用于分类.在3个公共数据集上进行实验,所提方法的平均分类精度分别为91.42％、98.95％、98.72％,优于其他几种分类算法,能够在提高分类精度的同时,缩短实验时间.