应用监督近邻重构分析的高光谱遥感数据特征提取

摘要：

针对高光谱遥感数据特征提取方法的研究，提出了一种新的监督近邻重构分析(Supervised Neighbor Reconstruction Analysis，SNRA)算法。该方法首先利用同一类别的近邻数据点对各数据点进行重构；然后在低维嵌入空间中保持该重构关系不变，尽可能地分离开非同类数据点，并利用总体散度矩阵来约束数据间的相关性；最后求解得到一个最佳投影矩阵，进而提取出鉴别特征。 SNRA算法不仅保持了同类数据的局部结构而且增强了非同类数据的可分性，同时减少了数据的冗余信息。在Indian Pine和KSC高光谱遥感数据集上的实验结果表明：提出的方法能更好地揭示出高光谱遥感数据的内在特性，提取出更有效的鉴别特征，改善分类效果。

关键词：高光谱遥感数据分类、特征提取、监督学习、邻域重构、总体散度矩阵

所属期刊栏目：45

分类号：TP751(遥感技术)

资助基金：国家自然科学基金理论物理专项11547196；四川省教育厅重点资助15ZA0229；四川理工学院人才引进资助2013RC07

在线出版日期：2016-11-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共1页

页码：1028003-1-1028003-8