基于Frost滤波尺度不变特征提取与多层感知机的高光谱图像分类
计算机视觉与模式识别
2020-06-24 v1 图像与视频处理
摘要
高光谱图像(HSI)分类因其能够提供空间和光谱信息而在遥感领域发挥着重要作用。随着高光谱遥感技术的快速发展和日益普及,已开发出许多用于HSI分类的方法,但仍缺乏能达到更优性能的方法。本文提出一种基于Frost滤波尺度不变特征变换的多层感知机分类(FFSIFT-MLPC)技术,以更高的准确率和最小的时间消耗对高光谱图像进行分类。FFSIFT-MLPC技术执行三个主要过程,即预处理、特征提取和使用多层进行分类。首先,将高光谱图像划分为若干光谱波段。这些波段作为感知机输入层的输入。然后在FFSIFT-MLPC技术中使用Frost滤波器对输入波段进行预处理,以在第一隐藏层去除高光谱图像的噪声。预处理任务之后,在第二隐藏层使用高斯分布尺度不变特征变换提取高光谱图像的纹理、颜色和对象特征。在第三隐藏层,测量提取的特征与测试特征之间的欧氏距离。最后,在输出层进行特征匹配以实现高光谱图像分类。分类输出以光谱波段(即不同颜色)的形式呈现。实验分析使用PSNR、分类准确率、假阳性率和分类时间随光谱波段数量的变化进行评估。结果表明,与现有最优方法相比,所提出的FFSIFT-MLPC技术提高了高光谱图像分类准确率和PSNR,并最小化了假阳性率和分类时间。
引用
@article{arxiv.2006.12556,
title = {Frost filtered scale-invariant feature extraction and multilayer perceptron for hyperspectral image classification},
author = {G. Kalaiarasi and S. Maheswari},
journal= {arXiv preprint arXiv:2006.12556},
year = {2020}
}