空-谱协同正则化稀疏超图嵌入的高光谱图像分类

论文摘要

传统依据图嵌入的高光谱图像维数约简算法多数仅利用光谱信息表征像元间单一关系,忽视了数据间的多元几何结构。本文提出了一种面向高光谱图像分类的空-谱协同正则化稀疏超图嵌入算法（SSRSHE）。该算法首先利用稀疏表示揭示像元之间的相关性,自适应选择近邻,并构建稀疏本征超图和惩罚超图,以有效表征像元间的复杂多元关系,并进行正则化处理。然后利用遥感图像空间一致性原则,计算局部空间邻域散度来保持样本局部邻域结构,并引入样本总体散度来保持高光谱数据的整体结构。在低维嵌入空间中,尽可能使类内数据聚集、类间数据远离,提取鉴别特征用于分类。在Indian Pines和PaviaU高光谱遥感数据集上试验结果表明,本文算法总体分类精度分别达到86.7%和92.2%。相比传统光谱维数约简算法,该算法可有效改善高光谱图像地物分类性能。

论文目录

文章来源

类型: 期刊论文

作者: 黄鸿,陈美利,王丽华,李政英

关键词: 高光谱图像,维数约简,正则化稀疏超图模型,空谱联合,分类

来源: 测绘学报 2019年06期

年度: 2019

分类: 基础科学,工程科技Ⅱ辑,信息科技

专业: 工业通用技术及设备,自动化技术

单位: 重庆大学光电技术与系统教育部重点实验室

基金: 重庆市基础研究与前沿探索项目(cstc2018jcyjAX0093),重庆市研究生科研创新项目(CYB18048,CYS18035)~~

分类号: TP751

页码: 676-687

总页数: 12

文件大小: 11956K

下载量: 203

相关论文文献

标签：高光谱图像论文;  维数约简论文;  正则化稀疏超图模型论文;  空谱联合论文;  分类论文;