基于PCANet的空谱特征联合高光谱海冰图像分类方法

摘要

本发明涉及一种基于PCANet的空谱特征联合高光谱海冰图像分类方法，包括以下步骤：根据波段选择算法从原始波段样本中选择最优波段组合，完成光谱特征的提取；用主成分分析算法处理原始波段样本，取主成分，并结合灰度共生矩阵算法完成纹理特征的提取；根据Gabor算法，设置多方向、多尺度的Gabor滤波器组，基于光谱特征，计算主成分基于Gabor滤波器的结果，完成空间特征的提取；将光谱特征、纹理特征与空间特征融合后输入PCANet，输出混淆矩阵、整体分类精度与Kappa值。上述基于PCANet的空谱特征联合高光谱海冰图像分类方法，降低了波段以及特征间的冗余性，选择信息量大且相关性低的波段提取深度光谱特征，提高了训练效率，缩减了训练时间。