基于3-D Gabor纹理特征和GBDT分类器的高光谱分类方法

杨志超, 赵 森

(1.浙江警察学院 刑事科学技术系，杭州 310053； 2.基于大数据架构的公安信息化应用公安部重点实验室，杭州 310053)

高光谱遥感图像(hyperspectral remote sensing image)是一种可以同时反映地物空间分布信息和光谱信息的3-D立体图像，在地物目标分类和识别方面优势巨大。随着传感器技术的发展，高光谱图像的光谱分辨率逐步提高。光谱分辨率提升，一方面增强了高光谱数据的可分性，另一方面，高维连续光谱数据中存在着大量的冗余信息，给后续的地物分类等高层分析带来了难度[1]。一般常用子空间投影的方法对原数据降维，比如主成分分析(principle component analysis，简称PCA)对高光谱数据降维后，再通过分类器识别地物目标[2]。A.Daamouche等[3]将小波变换的方法引入高光谱数据分类，并取得良好的分类效果。然而，高光谱分类的训练样本数一般较小，该方法只利用单像元的光谱维信息，对于图像空间维关系的利用不够充分，这是高光谱数据分类精度无法继续提升的重要原因。

D.Gabor[4]提出Gabor小波变换的方法，在信号分析中可以将时域和空域信息结合起来；而后，利用Gabor小波变换提取图像的Gabor特征，成功应用于提取纹理分类、人脸识别等领域[4-6]；Shi M. H.等[7]首次将Gabor小波分析引入高光谱图像分类领域，在空间维中逐个波段采用2-D Gabor滤波器提取分类特征；T.C.Bau等[8]在高光谱数据的光谱维和空间维应用3-D Gabor小波滤波器，取得良好的效果；Shen L.L.等[9]采用一系列不同频率和方向的小波滤波器提取空间维和光谱维及两者之间特征；冯逍等[10]利用Gabor特征结合支持向量机分类器，其准确率达到较高水平。……