基于波段影像统计信息量加权 K -means聚类的高光谱影像分类

针对分类过程中如何合理利用高光谱影像波段问题, 提出一种基于波段影像统计量加权K-means聚类的高光谱影像分类算法. 该算法的核心思想在于: 由波段含有的信息量及波段间的相关性确定各波段权重, 同时考虑各波段对各聚类的重要性. 首先, 根据波段影像的熵、标准差及均值定义波段信息量函数, 根据相邻波段影像互信息定义相关性函数; 其次, 由上述波段信息量函数及波段间相关性函数定义波段权重函数; 然后, 结合波段权重和波段-类属权重定义规则化目标函数; 最后, 依据参数特性设计目标函数求解方案. 对Salinas高光谱影像和Pavia Centre高光谱影像分别采用所提出的算法与传统K-means算法、PCA+K-means算法及子空间波段选择+K-means算法进行对比实验, 对于总精度及Kappa系数, 所提出的算法都高于其他3种对比算法, 结果验证了所提出算法的有效性. 相对于其他3种算法而言, 所提出的算法可有效改善高光谱影像分类的性能.