联合改进拉普拉斯特征映射和k_近邻分类器的高光谱影像分类
h yp ers p ectralima g er yclassificationusin gthecombinationofimp rovedla p lacianei g enma p sandimp rovedk－nearestnei g hborclassifier
-
摘要: 高光谱影像利用流形学习降维和分类器分类时往往忽略了影像本身的空间特征,这将严重制约最终的分类精度。因此,本文以拉普拉斯特征映射和k－近邻分类器为例,提出了自适应加权综合核距离来同时改进流形学习方法和分类器方法,目的在于改善高光谱影像的分类结果。自适应加权综合核距离同时考虑高光谱影像的光谱特征和空间特征,且能 够 针 对 每 个 像 素 点 自 动 估 算 空 间 邻 域 来 描 述 空 间 特 征。通 过i ndian和paviau 两个数据集来分析和验证本文提出的组合策略,实验结果表明,本文提出的组合策略得到的分类结果明显优于常规拉普拉斯特征映射降维和常规k－近邻分类的组合策略,能够得到更高精度的分类结果。Abstract: hyp ers p ectral ima g er y（ hsi） classificationcanbeachievedthrou g hthecombinationschemeofnonlineardimensionalit yreductionusin gla p lacianei g enma p s（ le）andclassificationusin gthek-nearestnei g hbor（ knn） classifier.however，boththeleandtheknnclassifieromits p atialfea-turesofhsidataastheima g er y.thatseriousl yrestrictstheclassificationresultofhsidata.thisp a p erp resentstheada p tivewei g htedsummationkerneldistance（ awskd） toimp roveboththeleandtheknnclassifier，aimin gtop romotetheclassificationaccuraciesofhsidata.theawskdconsidersthes p ectralands p atialfeaturesofhsidata，andada p tivel yestimatethep ro p ers p atialnei g hborhoodsizefordescribin gthes p atialfeatureofeachp ixel.theindianandpaviaudatasetsareutilizedtoanal y zeandtestif ythep ro p osedcombinationschemeofimp rovedle （ ile）andimp rovedknn （ iknn）classifier.ex p erimentalresultsshowthatthep ro p osedcombinationschemeachievesshar p l yhi g herclassificationaccuraciesthanthere g ularschemeofleandknn.
下载:
