基于流形对齐的高光谱遥感图像降维和分类算法

发布时间：2018-06-04 05:52

  本文选题：Procrustes + 流形对齐　； 参考：《国土资源遥感》2017年01期

【摘要】：多时相的高光谱遥感图像数据处理中会出现地物光谱特征漂移的现象。为了提高源域数据已有知识对目标域数据分类的精度,采用了基于流形对齐的分类算法。先用一个标准的线性或非线性的降维方法将2个高光谱遥感数据集映射到低维(流形)空间中,再用Procrustes分析方法将其低维嵌入之间的平移、旋转和缩放因子剔除,得到数据集间的最优对齐,最后用最近邻算法进行分类。对多个不同时相高光谱遥感图像进行实验,并对比了已有的流形对齐算法,结果表明本算法具体较好的迁移能力和分类效果。
[Abstract]:In multitemporal hyperspectral remote sensing image data processing, the feature drift of ground object spectrum will occur. In order to improve the accuracy of source domain data classification, a classification algorithm based on manifold alignment is proposed. First, two hyperspectral remote sensing data sets are mapped to low dimensional (manifold) space by a standard linear or nonlinear dimensionality reduction method, and then the translation, rotation and scaling factors between them are eliminated by Procrustes analysis. The optimal alignment between data sets is obtained, and the nearest neighbor algorithm is used to classify the data. Experiments on several hyperspectral remote sensing images with different phases are carried out, and the existing manifold alignment algorithms are compared. The results show that the proposed algorithm has better migration ability and classification effect.
【作者单位】： 中国地质大学(武汉)机械与电子信息学院;
【基金】：国家自然科学基金项目“基于流形学习进行图结构设计的高光谱图像分类技术研究”(编号:61102104)资助
【分类号】：TP751

【相似文献】

相关期刊论文 前10条

1 孙钊;高光谱遥感的应用[J];贵州教育学院学报(自然科学);2004年04期

2 杜培军;陈云浩;;高光谱遥感信息智能处理的若干理论与技术问题[J];科技导报;2006年01期

3 孙琦;郑小贤;刘东兰;;高光谱遥感获取伐区调查数据的应用综述[J];林业资源管理;2006年05期

4 潘伟;夏丽丽;;高光谱遥感分类方法研究[J];福建电脑;2007年01期

5 张利;戚浩平;;高光谱遥感及其在青藏高原的应用潜力分析[J];测绘科学;2008年S3期

6 张利;戚浩平;;高光谱遥感及其在青藏高原的应用潜力分析[J];测绘科学;2008年S1期

7 岳跃民;王克林;张兵;陈正超;;高光谱遥感在生态系统研究中的应用进展[J];遥感技术与应用;2008年04期

8 周磊;辛晓平;李刚;杨桂霞;张宏斌;;高光谱遥感在草原监测中的应用[J];草业科学;2009年04期

9 方红亮,田庆久;高光谱遥感在植被监测中的研究综述[J];遥感技术与应用;1998年01期

10 王建宇;高光谱遥感──给人类配上一副神眼[J];世界科学;1999年12期

相关会议论文 前10条

1 张霞;刘良云;赵春江;张兵;;利用高光谱遥感图像估算小麦氮含量研究[A];成像光谱技术与应用研讨会论文集[C];2002年

2 杜培军;陈云浩;;高光谱遥感信息智能处理的基础研究[A];第十五届全国遥感技术学术交流会论文摘要集[C];2005年

3 徐元进;胡光道;;取缔阀值的高光谱遥感光谱匹配分类信息制图[A];第十五届全国遥感技术学术交流会论文摘要集[C];2005年

4 张永强;文丽萍;王振营;;高光谱遥感在监测作物受病虫肥胁迫中的应用[A];提高全民科学素质、建设创新型国家——2006中国科协年会论文集（下册）[C];2006年

5 王艺婷;黄世奇;王红霞;;从信息的角度看高光谱遥感技术[A];国家安全地球物理丛书（九）——防灾减灾与国家安全[C];2013年

6 李京;蒋卫国;;高光谱遥感在湿地监测与分类中的应用[A];第十届全国光电技术学术交流会论文集[C];2012年

7 房华乐;任润东;苏飞;梁勇;;高光谱遥感在农业中的应用[A];第四届“测绘科学前沿技术论坛”论文精选[C];2012年

8 黄娟;郭明克;张永梅;闫涛;王宁;;利用高光谱遥感资料提取赤潮信息方法研究[A];成像光谱技术与应用研讨会论文集[C];2002年

9 杜培军;方涛;林卉;;高光谱遥感影像降维方法研究[A];第十四届全国遥感技术学术交流会论文摘要集[C];2003年

10 王新鸿;唐伶俐;马灵玲;;高光谱遥感在内陆水质监测中的应用[A];现代测量技术与地理信息系统科技创新及产业发展研讨会论文集[C];2009年

相关重要报纸文章 前4条

1 张学君;高光谱遥感技术助力覆盖区找矿[N];中国国土资源报;2011年

2 记者 金小平;中国地调局举办高光谱遥感找矿培训班[N];中国矿业报;2007年

3 中国科学院院士、国际欧亚科学院院士 童庆禧;我国高光谱遥感的发展[N];中国测绘报;2008年

4 文龙 胡军;张立福：用光谱观测大地的人[N];科技日报;2012年

相关博士学位论文 前10条

1 张海涛;基于兴趣体保护的高光谱遥感图像压缩技术研究[D];辽宁工程技术大学;2014年

2 王霄鹏;黄河三角洲湿地典型植被高光谱遥感研究[D];大连海事大学;2014年

3 孙蕾;小波构造理论及其在高光谱遥感图像去噪与压缩中的应用[D];国防科学技术大学;2010年

4 谭炳香;高光谱遥感森林类型识别及其郁闭度定量估测研究[D];中国林业科学研究院;2006年

5 田丰;全波段（0.35～25μm）高光谱遥感矿物识别和定量化反演技术研究[D];中国地质大学（北京）;2010年

6 刘康;基于主动学习的高光谱图像分类技术研究[D];中国矿业大学（北京）;2014年

7 刘伟东;高光谱遥感土壤信息提取与挖掘研究[D];中国科学院研究生院（遥感应用研究所）;2002年

8 沈照庆;基于支持向量机（SVM）的高光谱影像智能化分析关键问题研究[D];武汉大学;2010年

9 冯燕;高光谱图像压缩技术研究[D];西北工业大学;2006年

10 叶成名;基于高光谱遥感的青藏高原岩矿信息提取方法与应用研究[D];成都理工大学;2011年

相关硕士学位论文 前10条

1 柳家福;基于GPU的矿产资源高光谱遥感探测数据快速处理[D];南京理工大学;2015年

2 张小东;基于光谱解混的高光谱遥感烃弱信息提取[D];成都理工大学;2015年

3 刘淼;不同营养水平冬小麦长势高光谱遥感监测[D];西北农林科技大学;2016年

4 牛璐璐;航空高光谱遥感影像自动拼接技术研究[D];吉林大学;2016年

5 丁小辉;基于蚁群算法的高光谱遥感影像地物分类研究[D];中国科学院研究生院(东北地理与农业生态研究所);2016年

6 颜丙囤;基于“星—地”遥感数据的植被参数反演模型研究与应用[D];中国矿业大学;2016年

7 汤媛媛;面向桌面系统的高光谱遥感影像线性降维异构并行算法研究与实现[D];国防科学技术大学;2015年

8 陈东来;高光谱遥感场景成像模型研究[D];哈尔滨工业大学;2009年

9 杨文韬;一种结合万有引力的高光谱遥感影像无监督分类算法[D];成都理工大学;2011年

10 顾桂华;高光谱遥感场景模型仿真研究[D];哈尔滨工业大学;2008年

，

本文编号：1976242