高光谱图像的JM变换自适应降维

编号 zgly0001694188

文献类型 期刊论文

文献题名 高光谱图像的JM变换自适应降维

作者 康孝岩  张爱武  胡少兴  肖青  柴沙驼 

作者单位 首都师范大学三维信息获取与应用教育部重点实验室  首都师范大学空间信息技术教育部工程研究中心  北京航空航天大学机械工程及自动化学院  中国科学院遥感与数字地球研究所遥感科学国家重点实验室  青海大学畜牧兽医科学院 

母体文献 遥感学报 

年卷期 2020年01期

年份 2020 

分类号 TP751 

关键词 遥感  JM变换  规范化  自适应降维  非监督波段选择  高光谱图像 

文摘内容 在无需先验标签样本的情况下,非监督降维可以有效简化高光谱图像的特征空间,避免目标分类中的霍夫效应。本文提出JM非线性变换优化的自适应降维模型来研究面向图像目标分类的高光谱波段选择问题。该方法考虑波段的信息量和独立性等两个重要因子,针对其测度方法的差异性问题,引入JM变换函数进行规范化优化。选用线阵高光谱和面阵显微光谱等两个图像数据集,在k最邻近和随机森林分类器下,进行了多组监督分类实验,结果表明,在Kappa系数、总体分类精度和平均分类精度上,本文方法均优于3种非监督方法MABS、InfFS和LSFS。说明本文提出的JM变换的自适应降维模型能够有效降低特征维度,满足高光谱图像分类的高精度要求。