基于最大信息量的高光谱遥感图像无监督波段选择方法

被引：29

作者：

刘雪松 ^{[1
]}

葛亮 ^{[1
]}

王斌 ^{[1
,2
]}

张立明 ^{[1
]}

机构：

[1] 复旦大学电子工程系

[2] 复旦大学波散射与遥感信息重点实验室

来源：

红外与毫米波学报 | 2012年 / 31卷 / 02期

关键词：

高光谱遥感图像; 波段选择; 信息量; K-L散度; 分类;

D O I：

暂无

中图分类号：

TP751 [图像处理方法];

学科分类号：

摘要：

提出一种基于最大信息量的高光谱遥感图像无监督波段选择方法.该方法以在所选择的波段中保留原数据中所包含的最大信息量为目标,并采用逐个移除波段的方式来实现.算法使用K-L散度来定量表示信息量的大小,并通过信息量在整个数据集中的分布情况来决定所移除的波段.与传统方法相比,具有物理意义明确、计算过程简单的优点,同时还能够完全自动地完成任务,实现无监督的波段选择.

引用

页码：166 / 170+176 +176

页数：6

共 15 条

[1] On information and sufficiency. Kullback S,Leibler RA. Annals of Mathematics . 1951
[2] Information theory and statistics. Kullback S. John Wiley and Sons, Inc . 1959
[3] An introduction to variable and feature selection. Isabelle Guyon, Anure Elisseeff. Journal of Machine Learning Research . 2003
[4] Classification of Hyperspectral Remote Sensing Images with Support Vector Machines. Melgani F, Bruzzone L. IEEE Transactions on Geoscience and Remote Sensing . 2004
[5] Band selection for hyperspec-tral imagery using affinity propagation. Qian,Y,Yao,F,Jia,S. IET Comput.Vis . 2009
[6] Nearest neighbor pattern classification. Cover TM, Hart PE. IEEE Transactions on Information Theory . 1967
[7] A linear constrained distance-based dis-criminant analysis for hyperspectral image classification. Du Q,Chang C-I. Pattern Recognition . 2001
[8] A joint band prioritizationand band-decorrelation approach to band selection for hyper-spectral image classification. Chang C-I,Du Q,Sun TL,et al. IEEE Trans.Geosci.Re-mote Sens . 1999
[9] Hyperspectral imaging:techniques for spectral detection and classification. Chang C-I. Plenum . 2003
[10] G. Camps-Valls,L. Bruzzone. IEEE Transactions on Geoscience and Remote Sensing . 2005

← 1 2 →