半监督多图嵌入的高光谱影像特征提取

发布时间：2021-03-12 21:08

　　针对传统图嵌入方法仅采用单一图结构无法有效表征高维数据中复杂本征结构,本文提出了一种半监督多图嵌入（SSMGE）方法,并应用于高光谱影像特征提取。该方法首先利用标记样本的类内、类间近邻点来构建类内超图、类间超图、类内普通图、类间普通图,然后通过无标记样本的近邻点和远离点构建无监督本征超图和惩罚超图,并以多图协同方式来表征高维数据间的复杂几何关系,实现鉴别特征提取。本文提出的SSMGE方法不仅能有效揭示数据点间超图和普通图的结构,而且在低维嵌入空间中增强同类数据聚集性和非同类数据的远离性,提取的鉴别特征可改善地物分类精度。在PaviaU和Urban高光谱数据集上进行了分类实验,本文方法的总体分类精度分别可达到85.92%和79.74%。相比普通图嵌入和超图方法,该算法明显提升了地物的分类性能。 

【文章来源】：光学精密工程. 2020,28(02)北大核心

【文章页数】：14 页

【部分图文】：

普通图与超图结构对比

SSMGE算法流程图

PaviaU高光谱图像

【参考文献】：
期刊论文
[1]高光谱图像分类的研究进展[J]. 闫敬文,陈宏达,刘蕾.  光学精密工程. 2019(03)
[2]空-谱协同流形重构的高光谱影像分类[J]. 黄鸿,陈美利,段宇乐,石光耀.  光学精密工程. 2018(07)
[3]多核融合多尺度特征的高光谱影像地物分类[J]. 王庆超,付光远,汪洪桥,王超.  光学精密工程. 2018(04)
[4]面向高光谱图像分类的半监督丛流形学习[J]. 李志敏,张杰,黄鸿,江涛.  光学精密工程. 2015(05)



本文编号：3078984