摘要
本发明公开了一种高光谱图像分类方法,该方法步骤如下:S1:对高光谱数据进行归一化;S2:设置若干个不同的邻域窗口的尺度;S3:将原始的高光谱数据用加权均值滤波器对图像进行降噪和边缘提取特征;S4:获取高光谱图像的属性轮廓,并获取高光谱图像的扩展多属性轮廓,再使用加权均值滤波器来降低噪声并平滑高光谱图像中的同质区域,采用加权扩展多属性轮廓来特征提取;S5:将S3和S4得到的特征进行特征融合得到一个复合特征,从而得到多个尺度的复合特征;S6:将S5获得的多个尺度的复合特征分别作为极限学习机的输入来进行分类,最后采用了决策融合,使用多票选举制度,将不同尺度的分类结果组合为最终产生的最优结果。