10.11996/JG.j.2095-302X.2018061062
基于多视图边界判别投影的高光谱图像分类
高光谱图像分类是遥感领域研究的热点问题,其关键在于利用高光谱图谱合一的优势,同时融合高光谱图像中各个像元位置的光谱信息和空间信息,提高光谱图像分类精度.针对高光谱图像特征维数高和冗余信息多等问题,采用多视图子空间学习方法进行特征降维,提出了图正则化的多视图边界判别投影算法.将每个像元处的光谱特征看作一个视图,该像元处的空间特征看作另一个视图,通过同时优化每个视图上的投影方向来寻找最优判别公共子空间.公开测试数据集上的分类实验表明,多视图学习在高光谱图像空谱融合分类方面具有显著的优越性,在多视图降维算法中,该算法具有最高的分类准确性.
多视图学习、判别降维、高光谱分类、空谱融合
39
TP391(计算技术、计算机技术)
中国博士后科学基金项目2018M633585;陕西省自然科学基金项目2018JQ6060;西北农业科技大学大学生创新创业训练计划项目201710712064
2019-05-31(万方平台首次上网日期,不代表论文的发表时间)
共7页
1062-1068