基于局部重构Fisher分析的高光谱遥感影像分类

摘要：

局部几何结构Fisher分析通过数据的邻域和邻域的重构来表征高光谱数据的内在流形,可以提升高光谱图像的分类效果.但是该方法使用原始样本点与重构点一起构图,在低维空间上不能有效保持流形的整体结构.针对上述问题,提出了一种局部重构Fisher分析方法;该方法首先使用类内近邻样本重构原始样本,以保持流形的整体结构,然后利用重构点构造本征图和惩罚图.在低维空间中,通过减小类内样本间的距离,增大非同类样本的距离,提高了同类地物的紧凑性和不同类地物的离散性,获得了更好的鉴别特征,有效改善了高光谱图像的分类性能.在Pavia University数据集和Urban数据集上的实验结果表明,相比其他流形学习方法,所提法获得了更高的分类精度.在Pavia University数据集和Urban数据集中随机选取1％的训练样本时,所提方法的总体分类精度相比局部几何结构Fisher分析分别提升了7.84个百分点和1.27个百分点,总体分类精度达到了86.07％和83.77％.

关键词：遥感、高光谱图像、特征提取、流形学习、图嵌入、局部重构

所属期刊栏目：47

分类号：TP751(遥感技术)

资助基金：重庆市基础与前沿研究计划;重庆市留学人员回国创业创新支持计划;重庆市教委科学技术研究项目

在线出版日期：2020-09-04（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：382-393