遞歸濾波與KNN的高光譜遙感圖像分類方法

摘要：為了有效去除高光譜圖像中的噪聲,強化空間結(jié)構(gòu),充分利用地物目標(biāo)的空間上下文信息,提升高光譜圖像的分類精度,提出一種基于遞歸濾波(recursive filtering,RF)和KNN(k-nearest neighbor)算法的高光譜圖像分類方法。首先,利用主成分分析法對高光譜圖像進行降維;其次,通過RF算法對降維后的主成分圖像進行濾波,以增強遙感圖像的輪廓特征;然后,采用KNN算法計算測試樣本與不同類別訓(xùn)練樣本的歐式距離,根據(jù)比較k個最小歐式距離的平均值得到測試樣本所屬類別;最后,在2個典型的數(shù)據(jù)庫上進行實驗驗證,并分析所提算法中不同參數(shù)對分類精度的影響。實驗結(jié)果表明,RF算法可以有效地去除噪聲點,強化圖像輪廓,與其他高光譜圖像分類方法相比,該方法在分類準(zhǔn)確性方面表現(xiàn)突出。