一种改进的大尺度高光谱流形降维算法

被引：6

作者：

张晶晶 ^{[1
,2
]}

周晓勇 ^{[1
]}

刘奇 ^{[1
]}

机构：

[1] 安徽大学电气工程与自动化学院

[2] 中国科学院通用光学定标与表征技术重点实验室

来源：

光学学报 | 2013年 / 33卷 / 11期

基金：

高等学校博士学科点专项科研基金;

关键词：

遥感; 高光谱遥感; 大尺度高光谱流形降维; 增量等距映射; 增强型等距映射; 最小噪声分离;

D O I：

暂无

中图分类号：

TP751 [图像处理方法];

学科分类号：

摘要：

经典流形算法等距映射(ISOMAP)和局部线性嵌入(LLE)可以对高光谱数据进行降维,但不能解决大尺度高光谱图像的流形降维难题。详细论述了ISOMAP和LLE在大尺度高光谱流形降维中遇到的问题,提出了一种基于增量等距映射(IISOMAP)和LLE结合的高光谱流形降维算法IISOMAP-LLE,并针对流形降维算法较线性降维算法最小噪声分离(MNF)可以更好地发掘出高光谱数据中的非线性结构的优点,通过AVIRIS和OMIS-II数据实验验证了算法的可行性和优越性,并证明了IISOMAP-LLE算法可以避免增强型等距映射(ENH-ISOMAP)中由于Landmark点选取不当而造成的本征维数较大时类间可分性反而低于MNF的缺点。

引用

页码：275 / 284

页数：10

共 3 条

[1] 利用流形学习进行高光谱遥感影像的降维与特征提取 [J].