加权空-谱联合保持嵌入的高光谱遥感影像降维方法

P237; 高光谱遥感影像数据量大、波段数多,容易导致"维数灾难".传统流形学习方法一般仅考虑其光谱特征,忽略了空间信息.为此提出一种非监督的基于加权空-谱联合保持嵌入(WSCPE)的维数约简算法.首先采用加权均值滤波(WMF)方法对高光谱影像进行滤波,以消除噪点和背景点的干扰.然后根据遥感影像地物分布的空间一致性,通过采用加权空-谱联合距离(WSCD)来融合像素点的光谱信息和空间信息,有效选取各像素点的空-谱近邻,并根据像素点与其空-谱近邻点之间的坐标距离来有区别的利用其近邻点进行流形重构,提取低维鉴别特征进行地物分类.在PaviaU和Indian Pines数据集上的分...

Full description

Saved in:
Bibliographic Details
Published in测绘学报 Vol. 48; no. 8; pp. 1014 - 1024
Main Authors 黄鸿, 石光耀, 段宇乐, 张丽梅
Format Journal Article
LanguageChinese
Published 重庆大学光电技术与系统教育部重点实验室,重庆,400044 01.08.2019
Subjects
流形学习
鉴别特征
高光谱遥感影像
维数约简
空-谱近邻
Online AccessGet full text
ISSN1001-1595
DOI10.11947/j.AGCS.2019.20180229

Cover

More Information
Summary:P237; 高光谱遥感影像数据量大、波段数多,容易导致"维数灾难".传统流形学习方法一般仅考虑其光谱特征,忽略了空间信息.为此提出一种非监督的基于加权空-谱联合保持嵌入(WSCPE)的维数约简算法.首先采用加权均值滤波(WMF)方法对高光谱影像进行滤波,以消除噪点和背景点的干扰.然后根据遥感影像地物分布的空间一致性,通过采用加权空-谱联合距离(WSCD)来融合像素点的光谱信息和空间信息,有效选取各像素点的空-谱近邻,并根据像素点与其空-谱近邻点之间的坐标距离来有区别的利用其近邻点进行流形重构,提取低维鉴别特征进行地物分类.在PaviaU和Indian Pines数据集上的分类结果表明,总体分类精度分别达到了98.89％和95.47％.该方法在反映影像内部流形结构的同时,有效融合了影像的空间-光谱信息,故能提高影像特征的鉴别性,并提升分类性能.
ISSN:1001-1595
DOI:10.11947/j.AGCS.2019.20180229