基于局部重构Fisher分析的高光谱遥感影像分类

发布时间：2021-11-03 01:14

　　局部几何结构Fisher分析通过数据的邻域和邻域的重构来表征高光谱数据的内在流形,可以提升高光谱图像的分类效果。但是该方法使用原始样本点与重构点一起构图,在低维空间上不能有效保持流形的整体结构。针对上述问题,提出了一种局部重构Fisher分析方法;该方法首先使用类内近邻样本重构原始样本,以保持流形的整体结构,然后利用重构点构造本征图和惩罚图。在低维空间中,通过减小类内样本间的距离,增大非同类样本的距离,提高了同类地物的紧凑性和不同类地物的离散性,获得了更好的鉴别特征,有效改善了高光谱图像的分类性能。在Pavia University数据集和Urban数据集上的实验结果表明,相比其他流形学习方法,所提法获得了更高的分类精度。在Pavia University数据集和Urban数据集中随机选取1%的训练样本时,所提方法的总体分类精度相比局部几何结构Fisher分析分别提升了7.84个百分点和1.27个百分点,总体分类精度达到了86.07%和83.77%。 

【文章来源】：中国激光. 2020,47(07)北大核心EICSCD

【文章页数】：12 页

【部分图文】：

LRFA算法流程图

Pavia University数据集的遥感影像。(a)假彩色图;(b)真实地物标记图

Urban数据集遥感影像。(a)假彩色图;(b)真实地物标记图

【参考文献】：
期刊论文
[1]高光谱图像和叶绿素含量的水稻纹枯病早期检测识别[J]. 朱梦远,杨红兵,李志伟.  光谱学与光谱分析. 2019(06)
[2]高光谱成像技术在生物医学中的应用进展[J]. 刘立新,李梦珠,赵志刚,屈军乐.  中国激光. 2018(02)



本文编号：3472745