面向高光谱影像分类的空间正则化流形鉴别分析方法

摘要：

针对传统高光谱影像特征提取算法大多仅考虑光谱信息或提取空间信息不够精细的问题,提出了一种监督空间正则化流形鉴别分析(SSRMDA)算法,以提高遥感地物的分类性能.该算法首先利用样本数据的标签信息构建谱域类内图和类间图,以揭示高光谱数据潜在的非线性流形结构;然后构建空域类内图,并将空间信息以正则化方式与光谱信息融合,实现谱-空信息的有效融合,并可在低维空间内使类内数据更加聚集,增强嵌入数据的可分性.在Indian Pines和Washington DC Mall数据集上的实验表明,所提算法的总体分类精度分别为91.58％和96.67％％,说明所提算法有效提升了地物分类能力,尤其在小样本下的优势更为明显,更有利于实际应用.

关键词：遥感、高光谱影像分类、特征提取、图嵌入、流形学习、空间正则化

所属期刊栏目：40

分类号：TP751.1(遥感技术)

资助基金：重庆市基础研究与前沿探索项目;重庆市基础研究与前沿探索项目;研究生科研创新项目

在线出版日期：2020-05-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：175-185