基于KPCA的AISA Eagle Ⅱ机载高光谱数据的降维与树种识别

编号 zgly0001717404

文献类型 期刊论文

文献题名 基于KPCA的AISA Eagle Ⅱ机载高光谱数据的降维与树种识别

作者 岳振兴  岳彩荣  邹会敏 

作者单位 西南林业大学  中国林业科学研究院热带林业实验中心  云南师范大学 

母体文献 西部林业科学 

年卷期 2020年04期

年份 2020 

分类号 S771.8  TP79 

关键词 核主成分分析  机载高光谱  树种识别  支持向量机 

文摘内容 为了提高树种识别的精确度,充分发挥高光谱数据高光谱分辨率的优势,以思茅区北部万掌山林场某一区域为试验区,基于AISA EagleⅡ机载高光谱数据,采用不同降维算法进行降维处理后,使用SVM对林区的不同树种进行分类识别,采用主成分分析法(PCA)、核主成分分析法(KPCA)对经过预处理的高光谱图像进行降维处理。KPCA降维采用了线性、多项式和高斯3种核函数,以特征提取效果和累积贡献率作为评价指标来选择核函数。对PCA主成分图像和基于多项式核函数的KPCA主成分图像进行SVM分类识别。试验结果表明,采用KPCA降维后树种分类精度比PCA降维均得到提高。其中,多项式核函数的KPCA分类精度最高,总体精度和Kappa系数分别达到74.46%和0.71,比PCA降维后的分类精度提高11.87%,Kappa系数提高0.15。基于KPCA的SVM分类的运算量大大降低、所需时间大幅缩短,说明KPCA较PCA提取高光谱图像的特征有更好的效果,分类精度和效率也得到提高。