半监督邻域保持嵌入在高光谱影像分类中的应用

发布时间：2018-04-04 00:34

  本文选题：高光谱影像分类　切入点：维数约简　出处：《计算机科学》2014年S1期

【摘要】：为了解决高光谱遥感影像的维数约简问题以提高分类算法的分类精度,并针对高光谱影像通常只包含少量标记样本的问题,提出了基于一种半监督邻域保持嵌入(SSNPE)和改进的KNN分类器的高光谱影像分类算法。该算法在NPE的基础上同时利用同类标记样本和邻域未标记样本获得数据的邻域嵌入结构,并且通过增加标记近邻样本的权重加大降维数据的鉴别性,进而增加k近邻分类器的样本分类精度。在Urban、Indian高光谱影像数据集上的实验结果表明,改进的算法的分类精度提高了约8.7%、3.6%以上,分类性能有了较明显的改善。
[Abstract]:In order to solve the dimensionality reduction problem of hyperspectral remote sensing image and improve the classification accuracy of the classification algorithm, the hyperspectral image usually contains only a small number of labeled samples.A hyperspectral image classification algorithm based on a semi-supervised neighborhood preserving embedding (SSNPE) and an improved KNN classifier is proposed.On the basis of NPE, the algorithm uses the same kind of labeled samples and neighborhood unlabeled samples simultaneously to obtain the neighborhood embedding structure of the data, and increases the discriminance of the reduced dimension data by increasing the weight of the labeled nearest neighbor samples.Furthermore, the sample classification accuracy of k-nearest neighbor classifier is increased.The experimental results on the Urbanan Indian hyperspectral image data set show that the classification accuracy of the improved algorithm is increased by about 8.7% and the classification performance is obviously improved.
【作者单位】： 重庆大学光电技术及系统教育部重点实验室;
【基金】：国家自然科学基金(61101168,41371338) 重庆市基础与前沿研究计划项目(cstc2013jcyjA40005)资助
【分类号】：TP751

【相似文献】

相关期刊论文 前10条

1 舒宁;苏俊英;;高光谱影像光谱响应曲线分维计算[J];遥感信息;2009年01期

2 陈蜜;易尧华;李德仁;秦前清;;基于动力演化算法的投影寻踪在高光谱影像异常目标检测中的应用[J];武汉大学学报(信息科学版);2006年01期

3 陈伟;余旭初;王鹤;;基于OSP的端元个数估计方法[J];计算机工程;2009年24期

4 周子勇;卜倩;;Hyperion影像分形信号特征研究[J];遥感学报;2011年01期

5 杨可明;陈云浩;郭达志;蒋金豹;;基于高光谱影像的小麦条锈病光谱信息探测与提取(英文)[J];光子学报;2008年01期

6 何军;王庆;李滋刚;;基于扩散几何坐标的高光谱影像的增强表示(英文)[J];Journal of Southeast University(English Edition);2009年03期

7 苏俊英;舒宁;;一种基于非线性增益小波滤波的高光谱影像去噪技术研究[J];遥感技术与应用;2008年04期

8 李行;毛定山;张连蓬;;高光谱遥感影像波段选择算法评价方法研究[J];地理与地理信息科学;2006年06期

9 余旭初;杨国鹏;冯伍法;周欣;;基于简约集支持向量机的高光谱影像分类[J];计算机科学;2010年11期

10 杨国鹏;周欣;余旭初;陈伟;;基于相关向量机的高光谱影像混合像元分解[J];电子学报;2010年12期

相关会议论文 前6条

1 李飞;周成虎;陈荣国;;基于光谱曲线形态的高光谱影像检索方法研究[A];第二届中国科学院博士后学术年会暨高新技术前沿与发展学术会议程序册[C];2010年

2 詹远增;王迪峰;毛志华;;基于Hyperion卫星高光谱影像的溢油信息提取研究[A];第八届成像光谱技术与应用研讨会暨交叉学科论坛文集[C];2010年

3 李东杰;尹继豪;余席宇;;基于约束能量最小化的小目标检测算法研究[A];第九届全国光电技术学术交流会论文集（下册）[C];2010年

4 付晶;舒宁;孔祥兵;;基于隐马尔可夫模型的光谱匹配算法[A];第十七届中国遥感大会摘要集[C];2010年

5 徐元进;胡光道;;穷举法在高光谱遥感图像地物识别中的应用[A];第四届中国软件工程大会论文集[C];2007年

6 ;遥感定量反演算法研讨会展板安排[A];遥感定量反演算法研讨会摘要集[C];2010年

相关博士学位论文 前3条

1 杨国鹏;基于机器学习方法的高光谱影像分类研究[D];解放军信息工程大学;2010年

2 陈伟;高光谱影像地物智能化提取理论与方法研究[D];解放军信息工程大学;2012年

3 黄远程;高光谱影像混合像元分解的若干关键技术研究[D];武汉大学;2010年

相关硕士学位论文 前10条

1 祝鹏飞;面向对象的高光谱影像地物分类技术研究[D];解放军信息工程大学;2011年

2 陈伟;高光谱影像混合像元分解技术研究[D];解放军信息工程大学;2009年

3 徐卫霄;高光谱影像集成学习分类及后处理技术研究[D];解放军信息工程大学;2011年

4 杨国鹏;基于核方法的高光谱影像分类与特征提取[D];解放军信息工程大学;2007年

5 周学林;基于多源遥感数据的鄱阳湖湿地植被类型反演研究[D];江西理工大学;2012年

6 闻兵工;地物光谱特征分析技术研究[D];解放军信息工程大学;2009年

7 王文娟;基于HJ-1A卫星高光谱影像的多尺度景观格局提取方法研究[D];西北大学;2012年

8 孙晓;基于CASI高光谱遥感数据估测森林叶面积指数研究[D];中国林业科学研究院;2012年

9 何晓宁;高光谱影像混合像元分解及亚象元定位[D];长安大学;2013年

10 邵田田;玉米叶绿素和LAI的高光谱遥感模型研究[D];中国科学院研究生院(东北地理与农业生态研究所);2012年

，

本文编号：1707587