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

孙伟伟, 刘 春, 李巍岳. 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[J]. 武汉大学学报 ( 信息科学版), 2015, 40(9): 1151-1156. DOI: 10.13203/j .whu g is20130654
引用本文: 孙伟伟, 刘 春, 李巍岳. 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[J]. 武汉大学学报 ( 信息科学版), 2015, 40(9): 1151-1156. DOI: 10.13203/j .whu g is20130654
sun weiwei, liuchun, liwei y ue. h yp ers p ectralima g er yclassificationusin gthecombinationofimp rovedla p lacianei g enma p sandimp rovedk-nearestnei g hborclassifier[J]. Geomatics and Information Science of Wuhan University, 2015, 40(9): 1151-1156. DOI: 10.13203/j .whu g is20130654
Citation: sun weiwei, liuchun, liwei y ue. h yp ers p ectralima g er yclassificationusin gthecombinationofimp rovedla p lacianei g enma p sandimp rovedk-nearestnei g hborclassifier[J]. Geomatics and Information Science of Wuhan University, 2015, 40(9): 1151-1156. 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

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

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

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: 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.
  • 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

    其他类型引用(13)

计量
  • 文章访问数:  1346
  • HTML全文浏览量:  61
  • PDF下载量:  1225
  • 被引次数: 21
出版历程
  • 收稿日期:  2013-11-06
  • 发布日期:  2015-09-04

目录

    /

    返回文章
    返回