【摘要】：針對傳統(tǒng)高光譜影像地物分類算法大多僅考慮光譜信息而忽略空間鄰近像元間相關性的問題,提出了一種空-譜協(xié)同嵌入(SSCE)降維算法和空-譜協(xié)同最近鄰(SSCNN)分類器。首先,定義一種空-譜協(xié)同距離,并將其應用于近鄰選取和低維嵌入;然后,構(gòu)建空-譜近鄰關系圖來保持數(shù)據(jù)中的流形結(jié)構(gòu),并在權值設置中增大空間近鄰點的權重以增強數(shù)據(jù)間的聚集性,提取鑒別特征;最后使用SSCNN分類器對降維后的數(shù)據(jù)進行分類。利用PaviaU和Salinas高光譜數(shù)據(jù)集進行試驗驗證,結(jié)果表明,與傳統(tǒng)的光譜分類算法相比,該算法能有效提高高光譜影像的地物分類精度。
[Abstract]:Aiming at the problem that most of the traditional ground object classification algorithms only consider the spectral information and ignore the correlation between spatial adjacent pixels, a space-spectrum co-embedding (SSCE) reduction algorithm and space-spectral cooperative nearest neighbor (SSCNN) classifier are proposed. Firstly, a space-spectrum cooperative distance is defined and applied to the nearest neighbor selection and low-dimensional embedding. Then, the space-spectrum nearest neighbor graph is constructed to maintain the manifold structure in the data, and the weight of the spatial nearest neighbor is increased in the weight setting to enhance the aggregation of the data and extract the discriminant features. Finally, SSCNN classifier is used to classify the reduced dimension data. The experimental results of PaviaU and Salinas hyperspectral data sets show that compared with the traditional spectral classification algorithm, this algorithm can effectively improve the classification accuracy of ground objects in hyperspectral images.
【作者單位】： 重慶大學光電技術與系統(tǒng)教育部重點實驗室;
【基金】：國家自然科學基金(41371338) 重慶市基礎與前沿研究計劃(cstc2013jcyjA40005) 重慶市研究生科研創(chuàng)新項目(CYB15052)~~
【分類號】：P237

【相似文獻】

相關期刊論文 前10條

1 范冬娟;張韶華;;高光譜影像反射率反演方法的研究[J];海洋測繪;2006年03期

2 甘甫平;王潤生;;高光譜遙感技術在地質(zhì)領域中的應用[J];國土資源遙感;2007年04期

3 楊燕杰;趙英俊;秦凱;陸冬華;;高光譜影像預處理技術[J];科技導報;2013年09期

4 楊可明;張濤;王立博;錢小麗;王林偉;劉士文;;諧波分析法高光譜影像融合及其光譜信息保真度評價[J];光譜學與光譜分析;2013年09期

5 楊哲海,馮猛,張燕燕;高光譜影像處理方法的改進[J];海洋測繪;2004年04期

6 李新雙;張良培;李平湘;吳波;;基于小波分量特征值匹配的高光譜影像分類[J];武漢大學學報(信息科學版);2006年03期

7 原傳綱;張廣有;吳迪;楊哲海;;面向應用的高光譜影像分類方法[J];測繪科學技術學報;2007年02期

8 楊可明;陳云浩;郭達志;蔣金豹;;基于高光譜影像的小麥條銹病光譜信息探測與提取(英文)[J];光子學報;2008年01期

9 蘇俊英;舒寧;;一種基于非線性增益小波濾波的高光譜影像去噪技術研究[J];遙感技術與應用;2008年04期

10 馬莉;范文濤;;高光譜影像加權波段指數(shù)波段選擇算法[J];黑龍江科技信息;2010年04期

相關會議論文 前10條

1 舒寧;胡穎;;基于地物光譜特征的高光譜影像邊緣提取方法[A];地理空間信息技術與應用——中國科協(xié)2002年學術年會測繪論文集[C];2002年

2 舒寧;;多光譜和高光譜影像紋理分析的幾種方法[A];第十五屆全國遙感技術學術交流會論文摘要集[C];2005年

3 于美嬌;董廣軍;張永生;紀松;楊靖宇;;一種基于極大后驗估計的高光譜影像分辨率增強方法[A];圖像圖形技術與應用進展——第三屆圖像圖形技術與應用學術會議論文集[C];2008年

4 董廣軍;紀松;朱朝杰;;基于局部線性嵌入流形學習的高光譜影像分類技術[A];第六屆全國信息獲取與處理學術會議論文集（3）[C];2008年

5 汪瑋;周可法;王金林;周曙光;劉慧;;環(huán)境減災衛(wèi)星高光譜數(shù)據(jù)預處理[A];第十二屆全國數(shù)學地質(zhì)與地學信息學術研討會論文集[C];2013年

6 黃遠程;張良培;李平湘;;基于最小單形體體積約束的高光譜影像端元光譜提取[A];遙感定量反演算法研討會摘要集[C];2010年

7 劉慶杰;藺啟忠;王黎明;王欽軍;李慶亭;苗峰顯;;基于CFFT最優(yōu)信噪比的星載高光譜影像噪聲抑制研究[A];第十七屆中國遙感大會摘要集[C];2010年

8 張杰林;;砂巖型鈾礦床高光譜數(shù)據(jù)挖掘技術研究[A];第十五屆全國遙感技術學術交流會論文摘要集[C];2005年

9 董彥芳;龐勇;;高光譜影像與LiDAR數(shù)據(jù)融合提取城市目標提取[A];中國地震學會空間對地觀測專業(yè)委員會2013年學術研討會論文摘要集[C];2013年

10 李飛;周成虎;陳榮國;;基于光譜曲線形態(tài)的高光譜影像檢索方法研究[A];第二屆中國科學院博士后學術年會暨高新技術前沿與發(fā)展學術會議程序冊[C];2010年

相關博士學位論文 前8條

1 劉軻;冬小麥葉面積指數(shù)高光譜遙感反演方法研究[D];中國農(nóng)業(yè)科學院;2015年

2 楊國鵬;基于機器學習方法的高光譜影像分類研究[D];解放軍信息工程大學;2010年

3 路威;面向目標探測的高光譜影像特征提取與分類技術研究[D];中國人民解放軍信息工程大學;2005年

4 楊哲海;高光譜影像分類若干關鍵技術的研究[D];解放軍信息工程大學;2006年

5 王凱;基于多特征融合的高光譜影像地物精細分析方法研究[D];武漢大學;2013年

6 杜輝強;高光譜遙感影像濾波和邊緣提取方法研究[D];武漢大學;2004年

7 韋瑋;基于多角度高光譜CHRIS數(shù)據(jù)的濕地信息提取技術研究[D];中國林業(yè)科學研究院;2011年

8 龔鑓;基于HDA和MRF的高光譜影像同質(zhì)區(qū)分析[D];武漢大學;2007年

相關碩士學位論文 前10條

1 司海青;含水量對土壤有機質(zhì)含量高光譜估算的影響研究[D];中國農(nóng)業(yè)科學院;2015年

2 汪重午;基于高光譜線性混合模型的地質(zhì)勘查研究[D];成都理工大學;2015年

3 原娟;面向高光譜地物的在軌替代光譜定標影響因子分析[D];浙江農(nóng)林大學;2015年

4 魏祥坡;高光譜影像土質(zhì)要素和人工地物分類技術研究[D];解放軍信息工程大學;2015年

5 董連鳳;高光譜影像預處理技術研究[D];長安大學;2007年

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

7 楊國鵬;基于核方法的高光譜影像分類與特征提取[D];解放軍信息工程大學;2007年

8 楊明;面向分類的高光譜影像特征提取技術研究[D];解放軍信息工程大學;2012年

9 潘競文;半監(jiān)督鄰域保持嵌入在高光譜影像分類中的應用[D];重慶大學;2014年

10 張麗;基于投影尋蹤的高光譜影像特征提取與自動識別技術研究[D];長安大學;2006年

，

本文編號：2335211