1 电子工程学院 脉冲功率激光技术国家重点实验室,安徽 合肥230037
2 电子制约技术安徽省重点实验室,安徽 合肥230037
3 电子工程学院航天系,安徽 合肥230037
提出了一种基于非线性核空间映射人工免疫网络的高光谱遥感图像分类算法.根据生物免疫网络基本原理构建了人工免疫网络模型,利用非线性核函数将高光谱训练样本映射到高维空间,完善了人工免疫网络中目标样本核空间相似性分选方法,降低了人工免疫网络识别样本所需的抗体数量,提升了算法的分类精度和运算效率.为了验证算法的有效性,利用两组高光谱遥感数据将多种高光谱分类方法进行了对比实验.实验表明该算法分类精度和算法运算时间上都有较大改善,是一种分类精度更高、运算速度更快的改进型基于人工免疫网络的高光谱遥感图像分类新方法.
高光谱图像 人工免疫网络 抗体 非线性映射 核空间 hyperspectral imagery artificial immune network antibody nonlinear mapping kernel space
降维是高光谱图像常用的预处理手段,而核主成份分析通过非线性映射能够挖掘数据的高阶统计特性,是目前较常使用的特征提取方法.本文提出了一种基于优选样本的核主成份分析高光谱图像降维方法,算法挑选参与核主成份分析运算的样本时兼顾整幅高光谱图像的统计特性,以与全图能量分布相近的最小样本集为最终选择样本.本算法由IDL7.0实现,并在实际高光谱图像Cuprite上进行实验.结果表明,在大幅缩短运算时间的同时,降维效果优于传统的核主成份分析方法.
高光谱图像 核主成份分析 非线性映射 迹 降维 Hyperspectral image Kernel Principal Components Analysis(KPCA) Nonlinear mapping Trace Dimensionality reduction