基于KMNF和BP神经网络的高光谱遥感影像分类

• 作者: 杨武年 林娜 王斌
• 来源期刊: 计算机工程与设计
• 学科: 工学
• 关键词: 高光谱遥感 核最小噪声分离变换 核方法 BP神经网络 分类
• 年，卷（期）: 2013,（8）
• 所属期刊栏目: 多媒体技术
• 页码范围: 2774-2777,2782
• 页数: 5页
• 分类号: TN911.73
• 字数: 2648字
• 语种: 中文

摘要

为了对高维非线性的高光谱影像进行降维及信息提取,提出了高光谱影像核最小噪声分离变换(kernel minimum noise fraction,KMNF)特征提取后利用BP神经网络分类的方法.以高光谱影像KMNF特征提取后的前几个特征分量作为BP神经网络的输入,进行BP神经网络分类,并与单独的高光谱影像BP神经网络分类进行比较.美国内华达州CUPRITE矿区AVIRIS数据的实验结果表明,基于KMNF和BP神经网络的高光谱影像分类较单独BP神经网络分类总体精度及时间性能均得到提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨武年	成都理工大学地学空间信息技术国土资源部重点实验室	143	1294	16.0	28.0
2	王斌		14	110	6.0	10.0
3	林娜	重庆交通大学土木建筑学院	13	53	4.0	6.0