首页 > 论文 > 光学学报 > 40卷 > 02期(pp:0228001)

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
  • 论文信息
  • 参考文献
  • 被引情况
分享:

摘要

针对传统的高光谱影像特征提取算法大多仅考虑光谱信息或者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(Supervised Spatial Regularized Manifold Discriminant Analysis, SSRMDA)算法,以提高遥感地物分类性能。该算法首先利用样本数据的标签信息构建了谱域类内图、类间图,揭示了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-空信息有效融合,并在低维空间中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,总体分类精度分别达到91.58%和96.67%,与其他对比算法相比,该算法有效提升了地物分类能力,尤其在小样本下优势更为明显,更有利于实际应用。

Newport宣传-MKS新实验室计划
补充资料

DOI:10.3788/aos202040.0228001

作者单位:

    重庆大学
    重庆大学
    重庆大学

引用该论文

黄鸿,王丽华,石光. 面向高光谱影像分类的空间正则化流形鉴别分析方法[J].光学学报,2020,40(02):0228001.