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

孙伟伟; 刘 春; 李巍岳

doi:10.13203/j .whu g is20130654

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

孙伟伟^1,2,
刘春^3,4,
李巍岳^5,6,

¹宁波大学建筑工程与环境学院,浙江宁波,3 15211;²武汉大学测绘遥感信息工程国家重点实验室,湖北武汉,4 30079;³同济大学测绘与地理信息学院,上海,2 00092;⁴现代工程测量国家测绘地理信息局重点实验室,上海,2 00092;⁵上海师范大学城市发展研究院,上海,2 00234;⁶矿山空间信息技术国家测绘地理信息局重点实验室,河南焦作,4 54000

基金项目: 国家自然科学基金资助项目（ 41401389） ;中国博士后科学基金第5 7批面上资助项目（ 2015m570668） ;宁波市自然科学基金资助项目（ 2 014a610173） ;浙江省教育厅科研项目（ y 201430436） ;宁波大学学科建设项目（ zx2014000400） ;矿山空间信息技术国家测绘地理信息局重点实验室开放基金资助项目（ klm201309）。

详细信息

作者简介:
孙伟伟,博士,讲师，主要从事高光谱遥感处理理论和方法及“ 3 s” 理论在城乡规划和海岸带资源环境管理中的应用研究。

通讯作者:
李巍岳,博士,助理研究员。

中图分类号: p 237.3;tp753
计量
- 文章访问数: 1346
- HTML全文浏览量: 61
- PDF下载量: 1225
出版历程
- 收稿日期: 2013-11-06
- 发布日期: 2015-09-04

h yp ers p ectralima g er yclassificationusin gthecombinationofimp rovedla p lacianei g enma p sandimp rovedk－nearestnei g hborclassifier

sun weiwei^1,2,
liuchun^3,4,
liwei y ue^5,6,

¹colle g eofarchitecturalen g ineerin g,civilen g ineerin gandenvironment,nin g bouniversit y,nin g bo315211,china;²stateke ylaborator yofinformationen g ineerin ginsurve y in g,ma pp in gandremotesensin g,wuhanuniversit y,wuhan430079,china;³colle g eofsurve y in gandgeo-informatics,ton gj iuniversit y,shan g hai200092,china;⁴ke ylaborator yofadvanceden g ineerin gsurve yofnasmg,shan g hai200092,china;⁵ instituteofcit ydevelo pmentresearch,shan g hainormaluniversit y,shan g hai200234,china;⁶ ke ylaborator yofminin gs p atialinformationtechnolo gyofnasmg,jiaozuo454000,china

Funds: thenationalnaturesciencefoundationofchina，no.41401389;the57thchinesepostdoctoralsciencefounda-tion，no.2015m570668;nin g bonaturalsciencefoundation，no.2014a610173;researchpro j ectofzhe j ian geducationalcommittee，no.y201430436;disci p lineconstructionpro j ectofnin g bouniversit y，no.zx2014000400;ke ylaborator yofminin gs p atialinforma-tiontechnolo gyofnasmg ，no.klm201309.

More Information

Corresponding author:
liwei y ue，phd,assistantp rofessor.

摘要

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。
- 高光谱分类 /
- 非线性降维 /
- 改进拉普拉斯特征映射 /
- 改进k－近邻分类 /
- 自适应加权综合核距离
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.

HTML全文

参考文献(0)

施引文献(21)

期刊类型引用(8)

1.	高淑芝，范策. 基于LE-ISTOA-SVM的聚合釜化工过程故障诊断. 计算技术与自动化. 2024(01): 32-37 . 百度学术
2.	李宏，齐涵，刘庆强，李富，吴丽. 基于双度量约束的拉普拉斯特征映射. 吉林大学学报(信息科学版). 2021(04): 368-375 . 百度学术
3.	郭棚跃，刘振丙. 一种基于栈式压缩自编码的高光谱图像分类方法. 桂林电子科技大学学报. 2021(04): 298-304 . 百度学术
4.	郭俊先，马永杰，郭志明，黄华，史勇，周军. 流形学习方法及近红外透射光谱的新疆冰糖心红富士水心鉴别. 光谱学与光谱分析. 2020(08): 2415-2420 . 百度学术
5.	刘鹏，艾施荣，杨普香，李文金，熊爱华，童阳，胡潇，吴瑞梅. 非线性流形降维方法结合近红外光谱技术快速鉴别不同海拔的茶叶. 茶叶科学. 2019(06): 715-722 . 百度学术
6.	刘慧珺，苏红军，赵波. 基于改进萤火虫算法的高光谱遥感多特征优化方法. 遥感技术与应用. 2018(01): 110-118 . 百度学术
7.	吕林涛，李志勋，吕晖，袁琴琴，高环. 一种面向“互联网+”智能交通管理的车辆类型识别方法. 现代电子技术. 2017(13): 184-186 . 百度学术
8.	路易，郭静，于少波. 高光谱影像的近邻加权拉普拉斯降维方法. 装备学院学报. 2017(03): 27-31 . 百度学术