基于多线性稀疏主成分的高光谱影像特征提取

发布时间：2021-03-03 09:32

　　高光谱影像特征提取有助于提高高光谱数据的应用效率和精度。针对基于向量的特征提取算法无法充分利用高光谱影像立方体空间结构信息这一缺点,本文提出在所有张量模式中执行稀疏降维的多线性稀疏主成分分析（MSPCA）算法,以中国嘉兴典型村庄和美国内华达州Curprite矿区高光谱影像为原始数据,运用主成分分析（PCA）、空间主成分分析（SPCA）和多线性判别分析（MPCA）3种特征提取方法对比分析所提算法特征提取后的分类精度。结果表明,利用MSPCA进行特征提取得到的分类精度均优于其他方法,在两个试验区的总体分类精度分别达到96.36%和95.00%。 

【文章来源】：河南理工大学学报(自然科学版). 2020,39(04)北大核心

【文章页数】：7 页

【部分图文】：

嘉兴地区高光谱影像

美国内华达州Curprite矿区高光谱遥感数据是由机载可见光/近红外成像光谱仪(AVIRIS)获取,光谱400～2 500 nm,光谱分辨率约10 nm,影像大小500像素×320像素,原始数据共有224个波段,但是有一些波段受噪声干扰和水蒸气吸收影响严重,去除这些受影响严重的波段后,用余下190个波段进行试验。遥感影像中包含伊利石、地开石、凝灰岩、干盐湖、石英石、高岭石、水铵长石、明矾石等8种矿物,由波段178,111和33组成的假彩色影像和地面参照数据如图2(a)和(b)所示。1.2 遥感数据预处理

浙江省嘉兴市典型村庄遥感数据为自主拍摄获取的影像,由于所使用AISA传感器获取数据的数据格式本身就与其他数据格式存在差异,加上拍摄过程中造成的几何畸变,因此,在降维试验之前首先需要对影像进行预处理。本文使用的AISA数据所进行的几何校正属于已知几何信息的几何校正这一范畴,具体预处理步骤:TIF影像左右翻转;查找表文件(geographic lookup table,GLT)地理位置的生成;利用GLT文件几何校正影像;输出降维试验中使用影像。从图3可以看出,嘉兴地区几何校正前后存在影像角度和地物位置等多个变化。2 研究方法

【参考文献】：
期刊论文
[1]基于线性嵌入和张量流形的高光谱特征提取[J]. 马世欣,刘春桐,李洪才,张耿,何祯鑫.  光学学报. 2019(04)
[2]主成分分析技术在遥感蚀变信息提取中的应用研究综述[J]. 吴志春,叶发旺,郭福生,刘文恒,李华亮,杨羿.  地球信息科学学报. 2018(11)
[3]基于稀疏判别分析的高光谱影像特征提取[J]. 周亚文,董广军,薛志祥,黎珂,王惠英.  测绘科学技术学报. 2017(04)
[4]高光谱图像稀疏信息处理综述与展望[J]. 张良培,李家艺.  遥感学报. 2016(05)
[5]高光谱影像的多核SVM分类[J]. 谭熊,余旭初,秦进春,魏祥坡.  仪器仪表学报. 2014(02)
[6]基于一类支持向量机的高光谱影像地物识别[J]. 陈伟,余旭初,张鹏强,王智超,王鹤.  计算机应用. 2011(08)
[7]支持向量机理论与算法研究综述[J]. 丁世飞,齐丙娟,谭红艳.  电子科技大学学报. 2011(01)



本文编号：3061038