高光谱遥感图像分类matlab.rar

首先利用PCA进行降维，并利用SVM对高光谱数据进行分类，数据采用印第安纳农场数据，训练样本比例可调，设计了一个GUI

load Indian_pines_corrected.mat;
load Indian_pines_gt.mat;  %读图

[xyz]=size（indian_pines_corrected）;
data1=indian_pines_corrected（1:x1:y50）;
data2=indian_pines_corrected（1:x1:y100）;
data3=indian_pines_corrected（1:x1:y160）;
dataout（::1）=imadjust（uint16（data1））;
dataout（::2）=imadjust（uint16（data2））;
dataout（::3）=imadjust（uint16（data3））;

figure;
imshow（dataout）;
title（‘合成的假彩色显示‘）;

[lwb] = size（indian_pines_corrected）;%l（length）图像长度，w（width）图像宽度，b（band）波段数 
c = max（max（indian_pines_gt））;%c（category）标准分类结果中的类别数
colormap_indian_pines = zeros（c3）;
colormap_indian_pines（1:） = [0.74510.74510.7451];%灰色
colormap_indian_pines（2:） = [010];%绿色
colormap_indian_pines（3:） = [001];%蓝色
colormap_indian_pines（4:） = [00.54510];%深绿色
colormap_indian_pines（5:） = [10.647060];%橙色
colormap_indian_pines（6:） = [0.80390.521570.24706];%棕色
colormap_indian_pines（7:） = [0.62750.125490.94118];%紫色
colormap_indian_pines（8:） = [100];%红色
colormap_indian_pines（9:） = [110];%黄色
colormap_indian_pines（10:） = [10.89410.76863];%橘黄色
colormap_indian_pines（11:） = [0.94111];%天蓝色
colormap_indian_pines（12:） = [011];%青色
colormap_indian_pines（13:） = [10.8430];%金色
colormap_indian_pines（14:） = [101];%洋红
colormap_indian_pines（15:） = [000.5019];%海军蓝
colormap_indian_pines（16:） = [110.87843];%浅黄色
pavia_truthmap = zeros（lw3）;%用于显示的帕维亚大学标准分类结果
for k = 1:c
    for i = 1:l
        for j = 1:w
            if indian_pines_gt（ij） == k
                pavia_truthmap（ij:） = colormap_indian_pines（k:）;         
            end
        end
    end
end
figure;
imshow（pavia_truthmap[]）;title（‘真值图显示‘）;

indian_pines_corrected = myPCA（indian_pines_corrected）;      %PCA降维
indian_pines_corrected = reshape（indian_pines_corrected145*145200）;    %将高光谱按波段排列
[indian_pines_corrected maxV minV] = scale（indian_pines_corrected 0 1）;  %归一化处理，以便后续分类
indian_pines_gt = indian_pines_gt（:）;      %数据按列排
[trainindexvalidindextestindex~] = SampleSelect（indian_pines_gt0.1）; % 选择10%的样本作训练

testindex = [testindex;validindex];     % 其余的样本作测试
TrainSamp = indian_pines_corrected（trainindex:）‘;%根据训练样本的标号找出训练样本
TestSamp = indian_pines_corrected（testindex:）‘;  %根据测试样本的标号找出测试样本
TrainLabel = indian_pines_gt（trainindex）;    %训练样本标签
TestLabel = indian_pines_gt（testindex）;     %测试样本标签

[bestcbestg] = GetcgCrossvalidate（TrainSampTrainLabel）; %找到最优的SVM参数c和g
model = svmtrain（TrainLabelTrainSamp‘[‘-c ‘num2str（bestc）‘-g‘num2str（bestg）‘ -b 1 -q‘]）;   %训练SVM分类器
disp（‘> SVM model trained‘）;
[Labels~~] = svmpredict（TestLabelTestSamp‘model‘-b 1‘）;        %SVM分类      svmpredict和svmtrain都是MATLAB自带的函数
Result = Confusmat（TestLabel Labels）;          %计算混淆矩阵、总体分类精度、Kappa系数、生产者精度、用户精度

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件       2997  2019-05-15 09:01  高光谱\classification.m

     文件       1750  2019-05-14 09:02  高光谱\Confusmat.m

     文件       1125  2019-05-13 16:09  高光谱\fenlei.m

     文件       1517  2017-06-20 08:21  高光谱\GetcgCrossvalidate.m

     文件      36806  2019-05-13 23:24  高光谱\HSIclassificationGUI.fig

     文件      11356  2019-05-15 08:28  高光谱\HSIclassificationGUI.m

     文件       1701  2019-05-13 22:04  高光谱\HSIdisplay1.m

     文件    5953527  2019-05-13 15:52  高光谱\Indian_pines_corrected.mat

     文件       1125  2019-05-13 15:52  高光谱\Indian_pines_gt.mat

     文件        556  2019-05-13 16:11  高光谱\jingdujiance.m

     文件       1497  2014-04-01 06:57  高光谱\libsvm-3.18\COPYRIGHT

     文件      78971  2014-04-01 06:57  高光谱\libsvm-3.18\FAQ.html

     文件      27670  2014-04-01 06:57  高光谱\libsvm-3.18\heart_scale

     文件      63803  2014-04-01 06:57  高光谱\libsvm-3.18\java\libsvm\svm.java

     文件      63095  2014-04-01 06:57  高光谱\libsvm-3.18\java\libsvm\svm.m4

     文件        868  2014-04-01 06:57  高光谱\libsvm-3.18\java\libsvm\svm_model.java

     文件        115  2014-04-01 06:57  高光谱\libsvm-3.18\java\libsvm\svm_node.java

     文件       1288  2014-04-01 06:57  高光谱\libsvm-3.18\java\libsvm\svm_parameter.java

     文件         87  2014-04-01 06:57  高光谱\libsvm-3.18\java\libsvm\svm_print_interface.java

     文件        136  2014-04-01 06:57  高光谱\libsvm-3.18\java\libsvm\svm_problem.java

     文件      51916  2014-04-01 06:57  高光谱\libsvm-3.18\java\libsvm.jar

     文件        624  2014-04-01 06:57  高光谱\libsvm-3.18\java\Makefile

     文件       4950  2014-04-01 06:57  高光谱\libsvm-3.18\java\svm_predict.java

     文件       8944  2014-04-01 06:57  高光谱\libsvm-3.18\java\svm_scale.java

     文件      12269  2014-04-01 06:57  高光谱\libsvm-3.18\java\svm_toy.java

     文件       8355  2014-04-01 06:57  高光谱\libsvm-3.18\java\svm_train.java

     文件         81  2014-04-01 06:57  高光谱\libsvm-3.18\java\test_applet.html

     文件        732  2014-04-01 06:57  高光谱\libsvm-3.18\Makefile

     文件       1084  2014-04-01 06:57  高光谱\libsvm-3.18\Makefile.win

     文件       4069  2014-04-01 06:57  高光谱\libsvm-3.18\matlab\libsvmread.c

............此处省略65个文件信息