高光谱图像降维的判别流形学习方法

作     者：杜博 张乐飞 张良培 胡文斌 DU Bo;ZHANG Le-fei;ZHANG Liang-pei;HU Wen-bin

作者机构：武汉大学计算机学院武汉430072 武汉大学测绘遥感信息工程国家重点实验室武汉430072 

出 版 物：《光子学报》 (Acta Photonica Sinica)

年 卷 期：2013年第42卷第3期

页      面：320-325页

核心收录：

学科分类：0810[工学-信息与通信工程] 08[工学] 081002[工学-信号与信息处理] 0702[理学-物理学] 

基　　金：国家自然科学基金(No.61102128) 国家重点基础研究发展计划(Nos.2012CB719905 2011CB707105) 中国博士后特别科学基金资助 

主　　题：流形学习 高光谱降维 分类 

摘      要：本文提出了一种高光谱图像降维的判别流形学习方法.针对获取的大量遥感对地观测数据存在大量冗余信息的特点,引入改进的流形学习方法对高光谱遥感数据进行降维处理,以提高遥感图像自动分类的总体准确度.该方法充分利用遥感图像自动分类中训练样本的判别信息,将输入样本的类别信息加入到常规流形学习方法的框架中,从本质上提高输出的特征在低维空间中的判别力.同时,引入线性化模型以解决流形学习方法中常见的小样本问题.对高光谱遥感图像自动分类的实验表明,基于判别流形学习的高光谱遥感图像自动分类方法能够显著地提高图像分类准确度.