本文選題：高光譜影像分類(lèi)　切入點(diǎn)：維數(shù)約簡(jiǎn)　出處：《計(jì)算機(jī)科學(xué)》2014年S1期

【摘要】：為了解決高光譜遙感影像的維數(shù)約簡(jiǎn)問(wèn)題以提高分類(lèi)算法的分類(lèi)精度,并針對(duì)高光譜影像通常只包含少量標(biāo)記樣本的問(wèn)題,提出了基于一種半監(jiān)督鄰域保持嵌入(SSNPE)和改進(jìn)的KNN分類(lèi)器的高光譜影像分類(lèi)算法。該算法在NPE的基礎(chǔ)上同時(shí)利用同類(lèi)標(biāo)記樣本和鄰域未標(biāo)記樣本獲得數(shù)據(jù)的鄰域嵌入結(jié)構(gòu),并且通過(guò)增加標(biāo)記近鄰樣本的權(quán)重加大降維數(shù)據(jù)的鑒別性,進(jìn)而增加k近鄰分類(lèi)器的樣本分類(lèi)精度。在Urban、Indian高光譜影像數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明,改進(jìn)的算法的分類(lèi)精度提高了約8.7%、3.6%以上,分類(lèi)性能有了較明顯的改善。
[Abstract]:In order to solve the dimensionality reduction problem of hyperspectral remote sensing image and improve the classification accuracy of the classification algorithm, the hyperspectral image usually contains only a small number of labeled samples.A hyperspectral image classification algorithm based on a semi-supervised neighborhood preserving embedding (SSNPE) and an improved KNN classifier is proposed.On the basis of NPE, the algorithm uses the same kind of labeled samples and neighborhood unlabeled samples simultaneously to obtain the neighborhood embedding structure of the data, and increases the discriminance of the reduced dimension data by increasing the weight of the labeled nearest neighbor samples.Furthermore, the sample classification accuracy of k-nearest neighbor classifier is increased.The experimental results on the Urbanan Indian hyperspectral image data set show that the classification accuracy of the improved algorithm is increased by about 8.7% and the classification performance is obviously improved.
【作者單位】： 重慶大學(xué)光電技術(shù)及系統(tǒng)教育部重點(diǎn)實(shí)驗(yàn)室;
【基金】：國(guó)家自然科學(xué)基金(61101168,41371338) 重慶市基礎(chǔ)與前沿研究計(jì)劃項(xiàng)目(cstc2013jcyjA40005)資助
【分類(lèi)號(hào)】：TP751

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 舒寧;蘇俊英;;高光譜影像光譜響應(yīng)曲線(xiàn)分維計(jì)算[J];遙感信息;2009年01期

2 陳蜜;易堯華;李德仁;秦前清;;基于動(dòng)力演化算法的投影尋蹤在高光譜影像異常目標(biāo)檢測(cè)中的應(yīng)用[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2006年01期

3 陳偉;余旭初;王鶴;;基于OSP的端元個(gè)數(shù)估計(jì)方法[J];計(jì)算機(jī)工程;2009年24期

4 周子勇;卜倩;;Hyperion影像分形信號(hào)特征研究[J];遙感學(xué)報(bào);2011年01期

5 楊可明;陳云浩;郭達(dá)志;蔣金豹;;基于高光譜影像的小麥條銹病光譜信息探測(cè)與提取(英文)[J];光子學(xué)報(bào);2008年01期

6 何軍;王慶;李滋剛;;基于擴(kuò)散幾何坐標(biāo)的高光譜影像的增強(qiáng)表示(英文)[J];Journal of Southeast University(English Edition);2009年03期

7 蘇俊英;舒寧;;一種基于非線(xiàn)性增益小波濾波的高光譜影像去噪技術(shù)研究[J];遙感技術(shù)與應(yīng)用;2008年04期

8 李行;毛定山;張連蓬;;高光譜遙感影像波段選擇算法評(píng)價(jià)方法研究[J];地理與地理信息科學(xué);2006年06期

9 余旭初;楊國(guó)鵬;馮伍法;周欣;;基于簡(jiǎn)約集支持向量機(jī)的高光譜影像分類(lèi)[J];計(jì)算機(jī)科學(xué);2010年11期

10 楊國(guó)鵬;周欣;余旭初;陳偉;;基于相關(guān)向量機(jī)的高光譜影像混合像元分解[J];電子學(xué)報(bào);2010年12期

相關(guān)會(huì)議論文 前6條

1 李飛;周成虎;陳榮國(guó);;基于光譜曲線(xiàn)形態(tài)的高光譜影像檢索方法研究[A];第二屆中國(guó)科學(xué)院博士后學(xué)術(shù)年會(huì)暨高新技術(shù)前沿與發(fā)展學(xué)術(shù)會(huì)議程序冊(cè)[C];2010年

2 詹遠(yuǎn)增;王迪峰;毛志華;;基于Hyperion衛(wèi)星高光譜影像的溢油信息提取研究[A];第八屆成像光譜技術(shù)與應(yīng)用研討會(huì)暨交叉學(xué)科論壇文集[C];2010年

3 李東杰;尹繼豪;余席宇;;基于約束能量最小化的小目標(biāo)檢測(cè)算法研究[A];第九屆全國(guó)光電技術(shù)學(xué)術(shù)交流會(huì)論文集（下冊(cè)）[C];2010年

4 付晶;舒寧;孔祥兵;;基于隱馬爾可夫模型的光譜匹配算法[A];第十七屆中國(guó)遙感大會(huì)摘要集[C];2010年

5 徐元進(jìn);胡光道;;窮舉法在高光譜遙感圖像地物識(shí)別中的應(yīng)用[A];第四屆中國(guó)軟件工程大會(huì)論文集[C];2007年

6 ;遙感定量反演算法研討會(huì)展板安排[A];遙感定量反演算法研討會(huì)摘要集[C];2010年

相關(guān)博士學(xué)位論文 前3條

1 楊國(guó)鵬;基于機(jī)器學(xué)習(xí)方法的高光譜影像分類(lèi)研究[D];解放軍信息工程大學(xué);2010年

2 陳偉;高光譜影像地物智能化提取理論與方法研究[D];解放軍信息工程大學(xué);2012年

3 黃遠(yuǎn)程;高光譜影像混合像元分解的若干關(guān)鍵技術(shù)研究[D];武漢大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 祝鵬飛;面向?qū)ο蟮母吖庾V影像地物分類(lèi)技術(shù)研究[D];解放軍信息工程大學(xué);2011年

2 陳偉;高光譜影像混合像元分解技術(shù)研究[D];解放軍信息工程大學(xué);2009年

3 徐衛(wèi)霄;高光譜影像集成學(xué)習(xí)分類(lèi)及后處理技術(shù)研究[D];解放軍信息工程大學(xué);2011年

4 楊國(guó)鵬;基于核方法的高光譜影像分類(lèi)與特征提取[D];解放軍信息工程大學(xué);2007年

5 周學(xué)林;基于多源遙感數(shù)據(jù)的鄱陽(yáng)湖濕地植被類(lèi)型反演研究[D];江西理工大學(xué);2012年

6 聞兵工;地物光譜特征分析技術(shù)研究[D];解放軍信息工程大學(xué);2009年

7 王文娟;基于HJ-1A衛(wèi)星高光譜影像的多尺度景觀格局提取方法研究[D];西北大學(xué);2012年

8 孫曉;基于CASI高光譜遙感數(shù)據(jù)估測(cè)森林葉面積指數(shù)研究[D];中國(guó)林業(yè)科學(xué)研究院;2012年

9 何曉寧;高光譜影像混合像元分解及亞象元定位[D];長(zhǎng)安大學(xué);2013年

10 邵田田;玉米葉綠素和LAI的高光譜遙感模型研究[D];中國(guó)科學(xué)院研究生院(東北地理與農(nóng)業(yè)生態(tài)研究所);2012年

，

本文編號(hào)：1707587