高斯线性过程和多邻域优化的高光谱图像分类

针对基于光谱信息的分类算法分类精度不佳的问题,提出了高斯线性过程和多邻域优化的高光谱图像分类算法。首先,对原始样本数据进行高斯滤波和线性判别降维处理,然后通过多元逻辑回归模型对数据进行分类,得到数据初始预测标签,再联合局部像元空间位置信息确定预测标签的置信度,通过三层串联的邻域优化层对初预测标签进行校正处理,得到最终的分类结果。将所提算法与其他算法在Indian Pines、Pavia University、Salinas高光谱遥感数据库上进行对比实验,实验结果表明:所提算法在分类精度和时间效率上有更好的性能。