一種改進的特征子空間高光譜影像降維方法

作者：張亞南,杜福光,牟巖

摘要：高光譜遙感影像具有豐富的信息光譜,但同時也具有大量的冗余信息。為了更好地對影像進行降維處理,從而減少冗余信息對遙感信息提取的不利影響,提出一種改進的特征子空間高光譜影像降維方法。首先選取兩幅不同區域的高光譜影像作為實驗區,根據高光譜影像波段相關系數矩陣“分塊”的特點,利用自動子空間劃分方法將實驗區劃分為不同的分類區間;其次利用加權K-means聚類算法計算各區間聚類中心參數,求出相鄰聚類中心與對應波段間的互信息之差絕對值的最小值來確定特征子空間的劃分邊界,并利用自適應波段指數法求出最佳波段,進行波段組合;最后采用基于對象的圖像分析方法對降維后的高光譜影像進行分類。為驗證方法的有效性,將其與常用的主成分分析法、最小噪聲分離法和最佳指數法的分類結果進行實驗對比。實驗結果表明,基于改進的特征子空間高光譜影像降維方法分類精度明顯高于其它3種常用分類方法,具有明顯的降維及分類優勢。

發文機構：唐山師范學院資源管理系 陸軍裝甲兵學院軍政基礎系

關鍵詞：特征子空間高光譜影像波段聚類波段選擇特征降維feature subspacehyperspectral imagesband clusteringband selectionfeature dimensionality reduction

分類號： P237[天文地球—攝影測量與遙感]