高光谱遥感影像优化判别局部对齐特征提取

摘要：

目前,高光谱遥感特征提取方法往往因受到噪声的干扰而导致降维效果欠佳.近年来,判别局部对齐DLA(Discriminative Locality Alignment)由于可以处理非线性分布样本、保留局部判别信息,同时避免矩阵奇异性问题,受到了很多学者的关注;但该方法无法有效估计和减少噪声对高光谱遥感影像的影响.针对以上问题,本文提出了最小噪声判别局部对齐MDLA(Minimum-noise Discriminative Locality Alignment)的线性特征提取方法和核最小噪声判别局部对齐KMDLA(Kernel Minimum-noise Discriminative Locality Alignment)的非线性特征提取方法.充分利用最小噪声分离MNF(Minimum Noise Fraction)的去噪能力,将MNF与DLA算法结合提出了MDLA方法,该方法首先利用MNF对高光谱遥感影像进行降维,减少图像中的噪声,然后再在子空间进行DLA变换得到最终的投影数据.为提高样本分布的非线性判别能力,基于KMNF与DLA算法将核方法引入MDLA,提出了 KMDLA方法,该方法首先通过KMNF将原始空间的数据映射到新的特征空间,然后在特征空间中进行DLA变换得到最终的投影数据.实验部分首先利用3组高光谱遥感数据对提出算法的性能进行评价,并与相关特征提取算法进行了对比分析,最后分析了图像噪声对不同降维方法性能的影响.结果表明:提出的算法对高光谱遥感影像特征提取效果较好,且可有效减少噪声对影像的影响并提升其分类准确度.

关键词：高光谱遥感、特征提取、MDLA、KMDLA、图像分类

所属期刊栏目：25

分类号：TP391.9;Q518.2;F273.1

资助基金：国家自然科学基金;国家自然科学基金;江苏省自然科学基金;江苏省"青蓝工程"项目

在线出版日期：2021-07-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共16页

页码：1055-1070