论文部分内容阅读
在对高光谱图像监督分类中,传统的监督学习方法对高光谱数据进行分类时需要获取足够的有标记样本作为训练样本,这样可以有效的避免Hughes效应.实际情况下的高光谱数据拥有较多的波段和相对较小的训练样本集给传统的遥感图像分类方法带来了挑战.因此,提出了一种基于特征组合以及特征加权的高光谱图像分类算法,针对纹理特征分析难度较大的现实,利用一阶直方图的统计特征描述图像纹理特征,通过类内散度矩阵的逆矩阵作为特征加权矩阵构造组合核函数将高光谱光谱特征和空间特征融合起来,同时利用特征加权的方法用于提高小训练样本的监