基于半监督稀疏流形嵌入的高光谱影像特征提取

摘要：

高光谱影像具有波段数多、冗余度高的特点，因此特征提取成为高光谱影像分类的研究热点。针对此问题，该文提出一种半监督稀疏流形嵌入(S3ME)算法，该方法充分利用标记样本和无标记样本，通过基于切空间的稀疏流形表示来自适应地揭示数据间的相似关系，并利用稀疏系数构建一个半监督相似图。在此基础上，增加了图中同类标记样本的权重，然后在低维空间中保持图的相似关系不变，并最小化加权距离和，获得投影矩阵实现特征提取。S3ME方法不仅能揭示数据间的稀疏流形结构，而且增强了同类数据的集聚性，能有效提取出鉴别特征，改善分类效果。该文提出的S3ME方法在PaviaU和Salinas高光谱数据集上的总体分类精度分别达到84.62%和88.07%，相比传统特征提取方法提升了地物分类性能。

关键词：高光谱数据、特征提取、半监督学习、稀疏流形嵌入

所属期刊栏目：38

分类号：TP751(遥感技术)

资助基金：重庆市研究生科研创新项目CYB15052;国家自然科学基金41371338;重庆市基础与前沿研究计划cstc2013jcyjA40005;中央高校基本科研业务费项目106112013CDJZR125501,1061120131204Foundation Items:The Chongqing Postgraduates’ Innovation ProjectCYB15052;The National Natural Science Foundation of China41371338;The Basic and Advanced Research Program of Chongqingcstc2013jcyjA40005;The Fundamental Research Funds for the Central Universities106112013CDJZR125501,1061120131204

在线出版日期：2016-10-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：2321-2329