一种改进的基于ICA特征空间的高空间分辨率影像的目标识别

摘要：

为解决高空间分辨率影像目标的识别问题,一种好的方式是将充分考虑高阶累积量的独立分量分析方法引入高空间分辨率影像进行特征提取,但由于基于传统独立成分分析方法提取的特征空间不能最优区分不同类别的样本.为此,提出一种改进的基于独立成分分析的目标识别方法(Multi-ICA).该方法为每个类别的样本构造单独的特征空间,通过投影到特征空间,得到表征该类别样本特征的特征向量集合.Multi-ICA方法提取的特征空间是基于某类样本图像的共性特征建立的,同一类别样本间的欧式距离要小于不同类别样本之间的欧式距离.因此,可以将待识别样本分类到具有最小欧式距离的特征空间所对应的类别上.现以北京地区的高分辨率卫星Quickbird影像为例,进行了Multi-ICA、传统ICA方法、主成分分析(PCA)方法,以及Multi-PCA方法的目标识别对比实验.结果表明,提出Multi-ICA算法的识别率有明显的提高,并且在一定程度上缓解了由于样本数量增加导致样本特征向量维数增加的问题.

关键词：Quickbird、遥感影像、独立成分分析、特征提取、空间数据挖掘

所属期刊栏目：33

分类号：TN911-34

资助基金：国家高科技研究发展计划2007AA12Z156;国家自然科学基金40672195;北京市自然科学基金4102029

在线出版日期：2011-01-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：100-103