1. 程式人生 > >高光譜影象分類(三)分類流程

高光譜影象分類(三)分類流程

如何利用稀疏表示進行高光譜影象分類呢?

前面我們已經瞭解了高光譜影象分類的一些基本概念,那這篇文章當中將講解高光譜影象分類具體的流程是怎麼樣的。

以下是高光譜影象分類的具體詳細步驟:
1.匯入indian_pines高光譜影象三維資料(具體資料可以網上下載),將三維影象資料轉換成二維影象矩陣,二維矩陣中每一列是一個樣本。
2.匯入indian_pines_gt高光譜影象的二維樣本標定圖,在圖中按比例為每個類選取訓練樣本的位置,併到1步中選取二維矩陣中選取對應的列作為訓練樣本。剩下別的位置就作為測試樣本了。
3.為每個測試樣本求解稀疏表示係數。具體方法有OMP演算法等,該方法網上可查,或者參考一些國外大牛的論文(最好不要看中國人寫的文獻,我現在覺得國人為了刷分類精度,論文灌水太嚴重,自己沒搞清演算法就開始瞎掰搞論文)。
4.

根據稀疏表示係數,還原測試樣本訊號。原始樣本與復原樣本在每一類情況下的誤差,選誤差最小的類作為最佳分類結果。
5.將測試樣本的結果,覆蓋樣本標定圖中對應位置的值,顯示出分類後的結果。以下貼出一張標定圖和用OMP演算法做出的結果圖。
標定圖OMP分類結果