10.3969/j.issn.1000-1220.2018.04.040
基于ISSMFA与LMPNN算法的高光谱遥感影像分类
通过地理空间近邻关系改进半监督边际Fisher分析方法,并结合局部平均伪近邻(LMPNN)方法,提出一种高光谱遥感影像分类方法.首先在半监督边际Fisher分析的本征图构建中,融入地理空间位置的近邻信息,赋以更大的权重,从而增强空间邻域像元的紧密性,同时保持原高维空间中数据的类内结构和类间结构,将高光谱数据从高维空间映射到低维空间.然后充分考虑样本点周围多个近邻点的类别信息,利用LMPNN算法对低维空间中的数据进行分类识别.通过在Indian Pine数据集和PaviaU数据集上的实验,结果表明,本文提出的方法能够针对高光谱数据的空-谱特点,有效解决地物点的多分类问题,并且取得较高的分类结果.
高光谱影像、半监督学习、伪近邻、分类
39
TP237(自动化技术及设备)
国家自然科学基金项目41471140,41771178;广东省数学与交叉科学普通高校重点实验室开放课题
2018-04-24(万方平台首次上网日期,不代表论文的发表时间)
共5页
847-851