沈阳理工大学 信息科学与工程学院, 沈阳 110159
端元提取是高光谱遥感图像混合像元分解的关键步骤。传统线性端元提取方法忽略了像元内地物的非线性混合因素, 制约了混合像元分解精度的提升。针对高光谱图像数据的非线性结构, 提出一种基于测地线距离的正交投影端元提取算法, 将测地线距离引入端元单体提取过程, 利用正交投影方法逐个提取端元。为了降低测地线距离计算量, 在端元提取前先利用自动目标生成方法和无约束最小二乘法对原始高光谱数据进行数据约减。模拟和真实高光谱图像实验表明, 该方法能够表征光谱数据中非线性因素, 端元提取结果优于传统自动目标生成端元提取方法。
高光谱遥感图像 非线性混合 端元提取 测地线距离 hyperspectral remote sensing images nonlinear mixing endmember extraction geodesic distance
青岛科技大学信息科学技术学院, 山东 青岛 266061
近红外光谱存在高维、 噪声大、 重叠和非线性等特性, 严重影响建模准确, 因此提出了一种基于联合矩阵局部保持投影(JMLPP )的特征提取方法。 首先, 利用基于聚类的光谱特征选择方法对原始近红外光谱数据进行有效特征提取, 按种与分类相关性强的指标将样本分为种不同的聚类方式, 依据类内关联性强, 类间差异性大的聚类思想, 通过调节类内参数、 类间参数确定类内阈值与类间阈值, 分别对种不同聚类方式筛选光谱特征区间, 得到指标特征矩阵, 并集操作生成联合矩阵。 其次, 从两个方面对局部保持投影算法(LPP)进行了改进: 引入测地距离构造邻域距离矩阵, 较欧式距离更好的表达了高维数据样本点间的拓扑结构; 改进了边权矩阵, 解决了样本稀疏导致的不确定性, 避免了有效信息的丢失。 最后, 采用改进的LPP算法对联合矩阵进行降维操作, 从而得到最优光谱特征子集。 为验证JMLPP算法有效性, 首先从光谱投影方面将该算法与PCA、 LPP算法进行了对比, 结果表明JMLPP算法有较好的等级区分能力, 投影空间中的烟叶样品分类清晰, 明显优于PCA与LPP算法。 其次从模型分类准确性方面进行了对比, 分别采用全谱段与PCA, LPP和JMLPP降维后的特征建立烟叶等级分类模型, 实验结果表明, JMLPP算法建立的分类模型准确率为93.8%, 对5种烟叶分级的敏感度分别为95.2%, 93.1%, 94.2%, 92.1%和92.5%, 特异度分别为99.3%, 98.4%, 98.6%, 97.5%和97%, 模型准确率、 敏感度与特异度均明显优于其他3种方法。 该算法通过基于聚类的特征提取和改进的局部保持投影算法实现了烟叶分级特征的有效提取, 并保留原始数据的局部线性关系, 使最终建立的模型具有良好的稳定性和较高的准确性。
特征提取 联合矩阵 测地线距离 局部保持投影算法 近红外光谱 Feature extraction Joint matrix Geodesic distance Local preservation projection algorithm Near-infrared spectroscopy 光谱学与光谱分析
2020, 40(12): 3772
1 中国海洋大学信息科学与工程学院, 山东 青岛 266100
2 青岛科技大学信息科学技术学院, 山东 青岛 266061
3 山东烟草研究院有限公司, 山东 济南 250101
近红外光谱数据的高维、高冗余、高噪声和非线性的特性严重影响了光谱相似性度量的准确性,针对该问题,提出了一种基于网格划分局部线性嵌入(GGLLE)算法的近红外光谱相似性度量方法。首先,根据关键化学成分在光谱中的表达,将高维光谱数据划分为多个网格子空间。其次,对局部线性嵌入(LLE)算法做了两方面改进,并采用改进的LLE算法依次实现每个子空间从高维空间向低维空间的特征映射,计算生成子空间的相似度矩阵。最后,将子空间相似度矩阵归一化处理并求解所累加和生成光谱样本集的相似度矩阵,实现光谱的相似性度量。实验选取两组某烟草企业提供的烟叶光谱构建了光谱的相似性度量模型,以相似性度量的准确率作为算法优劣的衡量标准。实验结果表明,GGLLE算法构建的相似性度量模型的准确率为93.3%,明显优于主成分分析、栈式自编码器和LLE算法的64.2%、67.5%和82.5%,从而证明了GGLLE算法的有效性。
光谱学 近红外光谱 相似性度量 改进局部线性嵌入算法 网格子空间 测地线距离 高维数据 激光与光电子学进展
2019, 56(3): 033001