应用稀疏非负矩阵分解聚类实现高光谱影像波段的优化选择

被引：16

作者：

施蓓琦 ^{[1
,2
]}

刘春 ^{[1
]}

孙伟伟 ^{[1
]}

陈能 ^{[2
]}

机构：

[1] 同济大学测绘与地理信息学院

[2] 上海师范大学城市信息研究中心

来源：

测绘学报 | 2013年 / 42卷 / 03期

关键词：

高光谱影像; 波段选择; 稀疏表示; 非负矩阵分解; 概率潜语义分析聚类;

D O I：

暂无

中图分类号：

P237 [测绘遥感技术];

学科分类号：

1404 ;

摘要：

针对高光谱影像数据高维性、高度相关性和冗余性等特点,提出应用稀疏非负矩阵分解聚类实现高光谱影像波段的优化选择。通过稀疏非负矩阵分解方法对高光谱影像进行稀疏化表示,同时顾及其可聚类的特性,在保留所选波段物理意义的基础上,得到波段选择后的高光谱影像降维数据。通过该方法对PHI-3高光谱影像进行波段选择的试验分析,应用聚类特征有效性分析波段聚类结果,并采用波段子集的信息量、相关性和可分性3类评价指标来验证方法的效果。最终,从运行效率和分类精度两方面证明了基于无监督聚类的稀疏非负矩阵分解对高光谱影像的波段选择的实用性。

引用

页码：351 / 358+366 +366

页数：9

共 6 条

[1]

基于概率潜语义分析模型的高光谱影像层次聚类分析[J]. 易文斌,慎利,齐银凤,唐宏.光谱学与光谱分析. 2011(09)

[2]

Clustering-based hyperspectral band selection using sparse nonnegative matrix factorization[J]. Ji-ming LI 1,2,Yun-tao QIAN 1 (1 School of Computer Science and Technology,Zhejiang University,Hangzhou 310027,China) (2 Zhejiang Police College,Hangzhou 310053,China).Journal of Zhejiang University-Science C(Computers & Electronics). 2011(07)

[3] 聚类有效性的组合评价方法 [J].