重庆大学 光电技术与系统教育部重点实验室, 重庆 400044
高光谱影像中波段数过多易导致“维数灾难”,而传统高光谱影像维数约简算法仅利用光谱特征而忽略了空间信息.针对上述问题,提出一种融合加权均值滤波与流形重构保持嵌入的维数约简算法.该方法利用影像中地物分布的空间一致性特点,对所有像素进行加权均值滤波,消除同类光谱差异性较大的像素影响,并在流形重构过程中增大空间近邻点的权重,提取出更为有效的鉴别特征,实现维数约简.在PaviaU和Urban高光谱数据集上的实验结果表明:相比于其它相关方法,该方法能获得更高的分类准确度,在分别随机选取5%和1%的训练样本情况下,其总体分类准确度分别提高到98.76%和80.21%.该方法在发现内在低维流形结构的同时,有效融入了影像中的空间信息,改善了分类性能.
高光谱影像分类 加权均值滤波 流形学习 维数约简 空间近邻 Hyperspectral image classification Weighted mean filter Manifold learning Dimensionality reduction Spatial neighbors 光子学报
2016, 45(10): 1030001