基于多波段像元形状指数的点云和高光谱数据分类研究

摘要

本文提出了一种利用高光谱影像和点云数据融合提取空间特征的方法。点云辅助高光谱数据分类通常是利用高光谱数据的光谱特征、空间特征和点云数据高程特征简单组合后进行分类。然而,这种方法没有充分利用多源数据的互补信息。本文提出一种融合多源数据进行空间特征提取的方法,并利用光谱角距离优化像元形状指数,使之适用于高维数据形状结构特征提取。该方法首先对光谱特征和点云特征进行融合,增强不同地物之间的差异性。然后,利用光谱角距离像元形状指数提取融合数据的空间特征。最后,将三种特征组合后输入SVM分类器。实验结果表明,相比传统的nDSM辅助高光谱数据分类,本文所提出的“先融合、后提取”的方法可以获得更好的分类效果和精度。