10、高光谱图像分类与端元提取技术解析

高光谱图像分类与端元提取技术解析

1. 高光谱图像分类性能评估

在高光谱遥感图像分类中，我们选取了1992年6月拍摄的美国印第安纳州西北部某农业和林业高光谱遥感实验区的图像。原始图像有220个波段，去除噪声影响较大的波段后，选取200个波段作为研究对象。图像经过监督分类，监督类标记0 - 17代表的地物类别依次为背景、苜蓿、免耕玉米、少耕玉米、玉米、草地/牧场、草地/树木、割过的草地/牧场、成行干草、燕麦、免耕大豆、少耕大豆、净大豆、小麦、树林、建筑物 - 草地 - 树木 - 车道和钢铁塔。

1.1 基于原始SVM的分类性能评估

通过改变训练样本数量和样本维度，对多种分类方法的性能进行详细比较。
- 实验1 ：选取玉米、大豆、草、林地、干草和小麦6个类别，训练样本总数为1031个，检验样本数为5144个。使用光谱角匹配（SAM）分类方法、最大似然（ML）分类方法与不同核函数的支持向量机（SVM）分类方法进行比较。结果表明，SVM分类方法的分类效果最佳，SAM方法效果最差。在SVM分类方法中，高斯核SVM效果最好，线性核SVM效果相对较低。
| 类别 | 玉米 | 大豆 | 草 | 林地 | 干草 | 小麦 |
| ---- | ---- | ---- | ---- | ---- | ---- | ---- |
| 分类准确率（%） | 97.7 | 99.0 | 96.2 | 99.54 | 99.59 | 99.06 |

• 实验2 ：从玉米、草地、大豆和林地4个地物类别中选取400个训练样本（每个类别100个）和320个测试样本