判别流形学习算法的高光谱数据降维与树种识别
高光谱遥感影像的波段光谱特征是各类地物内在物理化学性质的反映,在对不同地物进行分类与识别时具有巨大潜能,但由于其波段多造成的信息冗余,需要对高光谱数据进行有效降维,以提高高光谱影像的分类准确度.本文提出了基于判别局部片排列的流形学习算法(DLA)对Hypersion高光谱数据进行降维,通过对局部样本数据进行流形学习框架内的优化训练,将原始光谱特征空间转换为低维的最优判别流形子空间,然后在该子空间内利用最大似然分类器对Hypersion影像中的每个像素进行分类,并与主成分分析(PCA)、原始光谱特征(spectral)降维方法的分类效果进行比较.结果表明,DLA能够有效提高高光谱数据的分类准确度,对不同树种分类取得了满意效果.
流形学习、高光谱、降维、分类
P237(摄影测量学与测绘遥感)
国家自然科学基金31660203
2018-03-09(万方平台首次上网日期,不代表论文的发表时间)
共7页
55-61