局部幾何結(jié)構(gòu)Fisher分析通過數(shù)據(jù)的鄰域和鄰域的重構(gòu)來表征高光譜數(shù)據(jù)的內(nèi)在流形,可以提升高光譜圖像的分類效果。但是該方法使用原始樣本點(diǎn)與重構(gòu)點(diǎn)一起構(gòu)圖,在低維空間上不能有效保持流形的整體結(jié)構(gòu)。針對(duì)上述問題,提出了一種局部重構(gòu)Fisher分析方法;該方法首先使用類內(nèi)近鄰樣本重構(gòu)原始樣本,以保持流形的整體結(jié)構(gòu),然后利用重構(gòu)點(diǎn)構(gòu)造本征圖和懲罰圖。在低維空間中,通過減小類內(nèi)樣本間的距離,增大非同類樣本的距離,提高了同類地物的緊湊性和不同類地物的離散性,獲得了更好的鑒別特征,有效改善了高光譜圖像的分類性能。在Pavia University數(shù)據(jù)集和Urban數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明,相比其他流形學(xué)習(xí)方法,所提法獲得了更高的分類精度。在Pavia University數(shù)據(jù)集和Urban數(shù)據(jù)集中隨機(jī)選取1%的訓(xùn)練樣本時(shí),所提方法的總體分類精度相比局部幾何結(jié)構(gòu)Fisher分析分別提升了7.84個(gè)百分點(diǎn)和1.27個(gè)百分點(diǎn),總體分類精度達(dá)到了86.07%和83.77%。 

【文章來源】：中國激光. 2020,47(07)北大核心EICSCD

【文章頁數(shù)】：12 頁

【部分圖文】：

LRFA算法流程圖

Pavia University數(shù)據(jù)集的遙感影像。(a)假彩色圖;(b)真實(shí)地物標(biāo)記圖

Urban數(shù)據(jù)集遙感影像。(a)假彩色圖;(b)真實(shí)地物標(biāo)記圖

【參考文獻(xiàn)】：
期刊論文
[1]高光譜圖像和葉綠素含量的水稻紋枯病早期檢測識(shí)別[J]. 朱夢遠(yuǎn),楊紅兵,李志偉.  光譜學(xué)與光譜分析. 2019(06)
[2]高光譜成像技術(shù)在生物醫(yī)學(xué)中的應(yīng)用進(jìn)展[J]. 劉立新,李夢珠,趙志剛,屈軍樂.  中國激光. 2018(02)



本文編號(hào)：3472745