留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于流形学习的新高光谱图像降维算法

普晗晔 王斌 张立明

普晗晔, 王斌, 张立明. 基于流形学习的新高光谱图像降维算法[J]. 红外与激光工程, 2014, 43(1): 232-237.
引用本文: 普晗晔, 王斌, 张立明. 基于流形学习的新高光谱图像降维算法[J]. 红外与激光工程, 2014, 43(1): 232-237.
Pu Hanye, Wang Bin, Zhang Liming. New dimensionality reduction algorithms for hyperspectral imagery based on manifold learning[J]. Infrared and Laser Engineering, 2014, 43(1): 232-237.
Citation: Pu Hanye, Wang Bin, Zhang Liming. New dimensionality reduction algorithms for hyperspectral imagery based on manifold learning[J]. Infrared and Laser Engineering, 2014, 43(1): 232-237.

基于流形学习的新高光谱图像降维算法

基金项目: 

国家自然科学基金(41371337);北京师范大学地表过程与资源生态国家重点实验室开放基金(2013-KF-02);上海市教委科研创新项目(13ZZ005);高等学校博士学科点专项科研基金(20110071110018)

详细信息
    作者简介:

    普晗晔(1987-),男,博士生,主要从事高光谱遥感图像处理方面的研究。Email:09110720009@fudan.edu.cn

  • 中图分类号: TP751

New dimensionality reduction algorithms for hyperspectral imagery based on manifold learning

计量
  • 文章访问数:  315
  • HTML全文浏览量:  22
  • PDF下载量:  138
  • 被引次数: 0
出版历程
  • 收稿日期:  2013-05-11
  • 修回日期:  2013-06-13
  • 刊出日期:  2014-01-25

基于流形学习的新高光谱图像降维算法

    作者简介:

    普晗晔(1987-),男,博士生,主要从事高光谱遥感图像处理方面的研究。Email:09110720009@fudan.edu.cn

基金项目:

国家自然科学基金(41371337);北京师范大学地表过程与资源生态国家重点实验室开放基金(2013-KF-02);上海市教委科研创新项目(13ZZ005);高等学校博士学科点专项科研基金(20110071110018)

  • 中图分类号: TP751

摘要: 提出了一种新的基于图像块距离的邻域选择方法,并将其应用于流形学习中,得到一类新的高光谱图像非线性降维算法。该类算法利用高光谱图像物理特性,结合图像的光谱信息和空间信息,在最大限度减小图像信息冗余的基础之上,很好地保持了原始数据集的特性。与其它高光谱图像的降维算法相比,改进的流形学习算法不仅考虑到高光谱图像本身的空间关系,而且利用图像块距离更好地保持了数据点之间的局部特性,从而有效地去除原始数据集光谱维和空间维的冗余信息。实际高光谱数据的实验结果表明,所提出的算法在应用于高光谱图像分类时,与其它方法相比具有更高的分类精度。

English Abstract

参考文献 (19)

目录

    /

    返回文章
    返回