使用光谱带子集上的双边滤波信息基于ELM的高光谱图像光谱空间分类

作为单层前馈神经网络,极限学习机(ELM)最近已成功用于高光谱图像(HSI)的分类。然而,纯像素级光谱分类器的结果通常看起来非常训练样本有限,噪音很大。 为了进一步提高精度,我们提出了一种新的基于象素核基于ELM的分类器光谱空间信息集成方案。 特别地,我们表明,在频谱带子集上的空间双边过滤信息可以显着提高基于像素的kernel.ELM分类器的准确性。 所提出的方法的好处有两点:1)频谱结构相似性指导的频带子集划分和2)通过双边滤波合并频谱空间信息。 在广泛使用的真实HSI上进行的实验表明,该方法在分类准确性和低计算成本方面优于几种著名的分类方法。