面向高光谱分类的局部几何稀疏保持嵌入

摘要：

大量维数约简(Dimensionality reducion,DR)方法表明保持数据间稀疏特性的同时,确保几何结构的保持能更有效提取出具有鉴别性的特征,为此本文提出一种联合局部几何近邻结构和局部稀疏流形的维数约简方法.该方法首先通过局部线性嵌入方法重构每个样本以保持数据的局部线性关系,同时计算样本邻域内的局部稀疏流形结构,在此基础上通过图嵌入框架保持数据的局部几何近邻结构和稀疏结构,最后在低维嵌入空间中使类内数据尽可能聚集,提取低维鉴别特征,从而提升地物分类性能.在Indian Pines和PaviaU高光谱数据集上的实验结果表明,本文方法相较于传统维数约简方法能明显提高地物的分类性能,总体分类可达到83.02％和91.20％,有利于实际应用.

关键词：高光谱图像、维数约简、稀疏表示、流形学习、协同嵌入

所属期刊栏目：48

分类号：TP391;TP751;P237

资助基金：国家自然科学基金;重庆市基础研究与前沿探索项目

在线出版日期：2022-11-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：2496-2507