基于SOP-SRL波段选择和3D-Gabor滤波的高光谱图像分类

为了解决高光谱图像分类精度低，计算复杂度高的问题，本文提出一种基于可扩展的自表示学习波段选择方法（SOP-SRL）和3D-Gabor滤波的高光谱图像分类方法，以表示高光谱图像的空间光谱特征。使用SOP-SRL，通过缓存向量选择出信息量大的波段；应用3D-Gabor滤波器组对选定的波段进行响应，获取所有像素点的特征向量，将这些特征向量用于分类。在3个公共数据集上进行实验，所提方法的平均分类精度分别为91.42%、98.95%、98.72%，优于其他几种分类算法，能够在提高分类精度的同时，缩短实验时间。