基于快速非负矩阵分解和RBF网络的高光谱图像分类算法

编号 zgly0001593207

文献类型 期刊论文

文献题名 基于快速非负矩阵分解和RBF网络的高光谱图像分类算法

作者 狄文羽  何明一  梅少辉 

作者单位 陕西省信息获取与处理重点实验室西北工业大学电子信息学院 

母体文献 遥感技术与应用 

年卷期 2009年03期

年份 2009 

分类号 TP391.41 

关键词 投影梯度  非负矩阵分解  RBF神经网络  图像分类 

文摘内容 提出一种处理AVIRIS高光谱图像数据的计算机分类算法。首先采用投影梯度(ProjectedGradient)改进的非负矩阵分解(NMF)方法对高光谱数据进行特征提取,大大降低了分解过程中两个子迭代问题的时间复杂度,而后利用径向基函数神经网络(RBFNN)分类器对提取结果进行分类。结果表明,与传统NMF和主成分分析相比,PGNMF-RBF算法消耗时间最少,分类精度最高,6类地物的分类精度达到83.34%。该算法在保留非负矩阵分解明确物理意义的基础上,获得了更快的分解速度和更高的分类精度,在高光谱图像分类领域具有较大的应用潜力。