一种用于高光谱图像特征提取的子空间核方法-论文.pdf

《一种用于高光谱图像特征提取的子空间核方法-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、第35卷第2期哈尔滨工程大学学报Vol

2、35№．22014年2月JournalofHarbinEngineeringUniversiFeb．2014一种用于高光谱图像特征提取的子空间核方法刘振林，谷延锋，张晔(哈尔滨工业大学电子与信息工程学院，黑龙江哈尔滨150001)摘要：特征提取对于实现高光谱遥感图像的有效信息挖掘和利用以及提高后续分类应用有着重要价值。为了改进降维效果，提出一种子空间调制的核主成分分析方法，将高光谱数据分组特性整合到一个统一的核方法框架中，并构造子空间调制核。子空间调制核依靠特征分组实现了在光谱波段上的稀疏调制，它也是一个数据自适应的核，用于度量高光谱数据样

3、本间的非线性相似性。该方法利用AVIRIS真实高光谱图像进行评估，并且与传统的核方法、光谱加权核方法进行了比较。实验结果表明，基于子空间调制的核方法更充分地利用了波段间复杂相关的物理特性，进而在高光谱图像分类方面的结果好于传统的核方法与光谱加权核方法。关键词：高光谱图像；核方法；数据降维；图像分类；特征提取doi：10．3969／j．issn．1006—7043．201309025网络出版地址：http：／／www．cnki．net／kcms／doi／10．3969／j．issn．1006．7043．201309025．html中图分类号：TN911．73文献标志码：A文章编号：

4、1006—7043(2014)02．0238—07AsubspacekernellearningmethodforfeatureextractionofthehyperspectralimageLIUZhenlin，GUYanfeng，ZHANGYe(SchoolofElectronicsandInformationEngineering，HarbinInstituteofTechnology，Harbin150001，China)Abstract：FeatureextractioniSquitevaluablefortheminingandutilizationofvalidi

5、nformationinhyperspectralre—mote—sensingimagingandtheincreaseofsubsequentclassifiedapplications．Forimprovingthedimensionreductioneffect，asubspace-modulatedkernelprincipalcomponentanalysis(SM—KPCA)methodisproposed．Withthismethod，thegroupingnaturesofhyperspectraldataareintegratedintoauniformker

6、nelmethodframeworkandasubspace—modulatedkerneliSconstructed．SMK(subspace—modulatedkernel、achievesasparsemodulationonthespectralwavebandbymeansoffeaturegrouping；inaddition，itisadata-adaptivekernelformeasuringthenonlin—earsimilaritiesamongthehyperspectraldataspecimens．Withtheproposedmethod，AVIR

7、IS(airbornevisibleinfra．redimagingspectrometer)realhyperspectralimagingisappliedforevaluation．Additionally，thismethodiseom-paredwiththeconventionalkernelmethodandthespectrallyweightedkernelmethod．TheexperimentalresultsshowthattheSM-KPCAmethodmoresufficientlyutilizesthecomplexandrelevantphysic

8、alcharacteristicsbetweenwavebands．Therefore，itoutperformsboththeconventionalkernelmethodsandthespectrallyweightedkernelmeth-odregardingtheaspectoftheclassificationofhyperspectralimages．Keywords：hyperspectralimages；kernelmethods；datadimensionr