在無需先驗標(biāo)簽樣本的情況下,非監(jiān)督降維可以有效簡化高光譜圖像的特征空間,避免目標(biāo)分類中的霍夫效應(yīng)。本文提出JM非線性變換優(yōu)化的自適應(yīng)降維模型來研究面向圖像目標(biāo)分類的高光譜波段選擇問題。該方法考慮波段的信息量和獨(dú)立性等兩個重要因子,針對其測度方法的差異性問題,引入JM變換函數(shù)進(jìn)行規(guī)范化優(yōu)化。選用線陣高光譜和面陣顯微光譜等兩個圖像數(shù)據(jù)集,在k最鄰近和隨機(jī)森林分類器下,進(jìn)行了多組監(jiān)督分類實驗,結(jié)果表明,在Kappa系數(shù)、總體分類精度和平均分類精度上,本文方法均優(yōu)于3種非監(jiān)督方法MABS、InfFS和LSFS。說明本文提出的JM變換的自適應(yīng)降維模型能夠有效降低特征維度,滿足高光譜圖像分類的高精度要求。 

【文章頁數(shù)】：9 頁

【文章目錄】：
1 引言
2 JM2ABS方法
    2.1 信息相鄰相關(guān)系數(shù)
    2.2 信息量—獨(dú)立性的二元復(fù)合建模
    2.3 JM非線性變換
    2.4 JM變換的自適應(yīng)降維
3 實驗與分析
    3.1 實驗數(shù)據(jù)集
    3.2 降維及監(jiān)督分類實驗
        3.2.1 樣例一
        3.2.2 樣例二
    3.3 結(jié)果分析
4 結(jié)論


【參考文獻(xiàn)】：
期刊論文
[1]變異系數(shù)降維的CNN高光譜遙感圖像分類[J]. 張康,黑保琴,周壯,李盛陽.  遙感學(xué)報. 2018(01)
[2]加權(quán)概率原型分析的高光譜影像波段選擇[J]. 孫偉偉,張殿發(fā),楊剛,李巍岳.  遙感學(xué)報. 2018(01)
[3]非線性變換和信息相鄰相關(guān)的高光譜自適應(yīng)波段選擇[J]. 張愛武,杜楠,康孝巖,郭超凡.  紅外與激光工程. 2017(05)
[4]中國高光譜遙感的前沿進(jìn)展[J]. 童慶禧,張兵,張立福.  遙感學(xué)報. 2016(05)
[5]基于譜聚類與類間可分性因子的高光譜波段選擇[J]. 秦方普,張愛武,王書民,孟憲剛,胡少興,孫衛(wèi)東.  光譜學(xué)與光譜分析. 2015(05)
[6]結(jié)合遺傳算法和蟻群算法的高光譜圖像波段選擇[J]. 王立國,魏芳潔.  中國圖象圖形學(xué)報. 2013(02)
[7]一種新的高光譜遙感圖像降維方法[J]. 劉春紅,趙春暉,張凌雁.  中國圖象圖形學(xué)報. 2005(02)



本文編號：3697305