《高光谱图像分类方法课件》由会员分享，可在线阅读，更多相关《高光谱图像分类方法课件（17页珍藏版）》请在金锄头文库上搜索。
1、高光谱图像分类方法,耿修瑞 2010.10.11,提纲,监督分类 无监督分类,监督分类,最小距离法 光谱角度填图 平行管道法 最大似然法 典范分析,最小距离法,Envi演示,最大似然法,关键在于训练样本统计参数的估计 训练样本的个数要足够多 Envi演示,典范分析,最小类内聚合度 最大类间离散度,典范分析,无监督分类方法,Kmeans Isodata 万有引力,Kmeans,初始点的选取 类别数的给定 最小距离迭代 重复上述步骤 Envi演示,基于万有引力的高光谱图象分类算法,本算法的思想源于下面一个假想的景象：浩瀚的宇宙中，每一个星球只在别的星球的万有引力作用下运动，大的星球不断吸引着周围的
2、小星球，通过不断的聚集，最后形成若干个大的星团。 我们把需要分类的所有样本比作质量相同的球体，这样样本分布比较密的地方就对应着大的星球，样本分布比较稀疏的地方对应着小的星球，在相互之间的万有引力作用下，经过一段时间的聚集之后，最后形成的大的星团就对应着我们所要的分类结果。,人工模拟数据实验情况,Quickbird图象实验情况,原始假彩色合成图像（波段4，3，2）及其分块图象,分类结果,用于处理的Cuprite区域的 AVIRIS数据假彩色合成图 (2101nm,2200.8nm,2340.2 nm),K-Means聚类结果(10),万有引力再聚类结果(10),感兴趣区域内主要为流纹质,硅质凝灰岩,但是由于地形，阴影等因素的影响, 使得它们在特征空间中主要呈现线性变化分布特征,k_means和Isodata等传统 的非监督分类方法对此类分布特征失效.而利用我们的方法就能很好的将它 们归为一类.,
