基于快速非负矩阵分解和RBF网络的高光谱图像分类算法

• 作者: 何明一 梅少辉 狄文羽
• 来源期刊: 遥感技术与应用
• 学科: 工学
• 关键词: 投影梯度 非负矩阵分解 RBF神经网络 图像分类
• 年，卷（期）: 2009,（3）
• 所属期刊栏目: 图像处理
• 页码范围: 385-390
• 页数: 6页
• 分类号: TP391
• 语种: 中文

摘要

提出一种处理AVIRIS高光谱图像数据的计算机分类算法.首先采用投影梯度(ProjectedGradient)改进的非负矩阵分解(NMF)方法对高光谱数据进行特征提取,大大降低了分解过程中两个子迭代问题的时间复杂度,而后利用径向基函数神经网络(RBFNN)分类器对提取结果进行分类.结果表明,与传统NMF和主成分分析相比,PGNMF-RBF算法消耗时间最少,分类精度最高,6类地物的分类精度达到83.34%.该算法在保留非负矩阵分解明确物理意义的基础上,获得了更快的分解速度和更高的分类精度,在高光谱图像分类领域具有较大的应用潜力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何明一	陕西省信息获取与处理重点实验室西北工业大学电子信息学院	15	197	9.0	13.0
2	梅少辉	陕西省信息获取与处理重点实验室西北工业大学电子信息学院	3	25	3.0	3.0
3	狄文羽	陕西省信息获取与处理重点实验室西北工业大学电子信息学院	1	8	1.0	1.0