一种基于改进双边滤波的鲁棒高光谱遥感图像特征提取方法

摘要

双边滤波(bilateral filtering,BF)是一种简单有效的高光谱遥感图像(hyperspectral image,HSI)特征提取算法。该算法在非结构相似像素空间距离近时会被分配较大权重,从而降低加权限制效果。提出一种分类选优的双边滤波算法(classified optimization bilateral filtering,COBF),从相邻像素集内选择类别结构最相似的像素组成新的相邻像素集,确保新的相邻像素集中用于加权平均的相邻像素尽可能相似,以提高特征提取效果。使用支持向量机(support vector machine,SVM)对COBF提取的HSI特征分类以验证其有效性。结果显示,当训练样本数量只有10个时,Indian Pines、Salinas和PaviaU的分类精度分别高达83.8%、96.0%和90.6%。