一種基于引導濾波和MNF的高光譜遙感圖像分類方法

房宗啟

摘要：提出一種基于引導濾波和最大噪聲分離變換的高光譜遙感圖像分類方法。使用MNF對高光譜圖像進行最大噪聲分離變換并進行降維，然后使用引導濾波對降維后的圖像進行濾波操作，使用的引導圖像為MNF變換后的第一成份，得到濾波后的高光譜圖像特征，最后使用支持向量機針對特征進行分類。在AVIRIS圖像上的實驗結果表明，與單純的MNF方法相比，該方法的Kappa系數提高超過15%。

關鍵詞：引導濾波；MNF；高光譜；圖像分類

DOIDOI：10.11907/rjdk.161940

中圖分類號：TP317.4

文獻標識碼：A文章編號文

章編號：16727800（2016）009016102

基金項目基金項目：國家自然科學基金青年基金項目（41406200）；山東省自然科學基金青年基金項目（ZR2014DQ030）

作者簡介作者簡介：房宗啟（1990-），男，山東青島人，山東科技大學信息科學與工程學院碩士研究生，研究方向為高光譜遙感圖像分類。

3實驗

3.1實驗數據

Indian Pines圖像被用于該實驗。該圖像是通過AVIRIS傳感器獲得，它拍攝的是印第安納州西北部的Indian Pines農業測試區，包括220個波段，大小為145×145。20個水吸收波段（104～108、150～163和220）在高光譜圖像分類前移除。另外，Indian Pines圖像的空間分辨率是每個像素20m，光譜范圍為0.4～2.5μm。圖4顯示了其對應的參考分類圖。

評價標準：本文使用遙感分類中的常用指標：整體精度（OA）、平均精度（AA）、Kappa系數評價不同算法性能的客觀評價。

3.2實驗方法

實驗中，SVM使用的是默認參數設置，PCA取前10個主成分，MNF取前12個成份。本文方法中，引導濾波的窗口大小為8，引導圖像為MNF變換后的第一成份。使用的訓練樣本設置是，平均每類地物使用16個訓練樣本，訓練樣本不參與分類。相同實驗重復運行20次，計算均值得到分類結果如表1所示。

3.3實驗結果

通過實驗結果可以發現，本文方法獲得了最高的分類精度，與原始的MNF相比，本文方法的Kappa系數提高超過了15個百分點，整體精度OA提高了接近14個百分點，平均精度則提高了超過8個百分點。實驗證明，本文分類方法是一種有效的高光譜遙感圖像分類方法。

4結語

本文提出了一種基于引導濾波和最大噪聲分離變換的高光譜遙感圖像分類方法。首先，使用MNF對高光譜圖像進行最大噪聲分離變換，選取前12個成份作為初始特征圖像；然后使用引導濾波對初始特征圖像進行濾波操作，使用的引導圖像為MNF變換后的第一成份，得到濾波后的高光譜圖像特征；最后使用支持向量機針對特征進行分類。實驗結果表明，本文方法相比原先的MNF方法，在分類精度上提高達15個百分點。后續工作中，可以在此基礎上，解決MNF變換后存在的條帶噪聲，研究在不同類圖像上的分類表現。

參考文獻參考文獻：

[1]HUGHES G.On the mean accuracy of statistical pattern recognizers[J].IEEE Transactions on Information Theory，1968，14（1）：5563.

[2]杜培軍，夏俊士，薛朝輝，等.高光譜遙感影像分類研究進展_杜培軍[J].遙感學報，2016，20（2）：84104.

[3]楊釗霞，鄒崢嶸，陶超，等.空譜信息與稀疏表示相結合的高光譜遙感影像分類[J].測繪學報，2015，44（7）：775781.

[4]KANG X，LI S，BENEDIKTSSON JA.Spectralspatial hyperspectral image classification with edgepreserving filtering[J].IEEE Transactions on Geoscience & Remote Sensing，2014，52（5）：26662677.

[5]A A GREEN，M BERMAN，P SWITZER，et al.A transformation for ordering multispectral data in terms of image quality with implications for noise removal[J].IEEE Transactions on Geoscience and Remote Sensing，1988，26（1）：6574.

[6]HE KAIMING.Guided image filtering[J].IEEE Transactions on Pattern Analysis and Machine Intelligence，2013，35（6）：13971409.

責任編輯（責任編輯：孫娟）