首页 > 论文 > 光学学报 > 37卷 > 7期(pp:0728002)

面向高光谱分类的空谱半监督局部判别分析

  • 摘要
  • 论文信息
  • 参考文献
  • 被引情况
分享:

摘要

针对传统的基于特征提取的高光谱图像地物分类算法大多只考虑光谱信息而忽略空间信息的问题,提出了一种基于空谱半监督局部判别分析(Spatial-spectral Semi-supervised Local Discriminant Analysis, S3ELD)和空谱最近邻分类器(Spatial-spectral Nearest Neighbor, SSNN)的高光谱图像分类(S3ELD-SSNN)算法。该算法结合高光谱图像的空间一致性,在利用标记样本的判别信息保持数据集可分性的基础上,定义空间近邻像元散度矩阵来保存像元的空间近邻结构,提出基于空谱距离的相似性度量并应用于发现局部流形结构和构建SSNN。S3ELD算法不仅能揭示数据集的局部几何关系,而且增强了光谱域同类像元和空间域近邻像元在低维嵌入空间的聚集性。结合SSNN进行分类,进一步提升了分类精度。在PaviaU和Salinas数据集的实验结果表明,其总体分类精度分别达到了92.51%和96.29%。与现有几种算法相比,该算法能更有效地提取出判别特征信息,达到更高的分类精度。

投稿润色
补充资料

DOI:10.3788/aos201737.0728002

作者单位:

    中国人民解放军火箭军工程大学信息工程系
    第二炮兵工程学院602教研室
    中国人民解放军火箭军工程大学信息工程系

引用该论文

侯榜焕,姚敏立,王榕. 面向高光谱分类的空谱半监督局部判别分析[J].光学学报,2017,37(7):0728002.