谱-空图嵌入的高光谱图像多核分类算法

摘要：

作为一种非常有效的预处理步骤,降维算法被广泛地应用于高光谱图像分类中.为了联合利用高光谱图像的光谱维和空间维信息,本文提出了一种基于谱-空图嵌入降维的多核融合分类算法,自适应融合降维后的空谱特征进行分类.该算法主要由三个步骤组成:首先,将训练集中的每个像素点作为顶点,每个顶点用对应像素的光谱特征描述,以此构造一个光谱图,利用图嵌入模型求得一个低维投影矩阵;其次,利用主成分分析模型提取高光谱图像的第一个主成分,并将其划分成不同大小的超像素块,以每个超像素块为顶点,每个顶点用超像素块中所有像素点的平均值来描述,从而构造一个空间图,再次使用图嵌入模型求得一个低维投影矩阵;最后,对于高光谱图像中的每个像素点,可用两个不同的投影矩阵分别求得其对应的低维特征表示,利用多核学习的方法对两者进行有效的融合,自适应学习融合权重,提升了后续SVM分类的准确性.在两个公开的高光谱图像数据库上进行了测试,验证了本文算法的有效性.

关键词：降维、图嵌入、谱-空信息、多核学习、高光谱分类

所属期刊栏目：39

分类号：TP751(遥感技术)

资助基金：国家自然科学基金项目61672292;国家电网公司2016年科技项目资助;江苏省高校自然科学重大项目18KJA520007

在线出版日期：2018-12-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：2545-2550