基于核最小噪声分离变换的高光谱遥感影像多类SVM分类

• 作者: 杨武年 林娜 王斌
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 高光谱遥感 核最小噪声分离变换 多类SVM
• 年，卷（期）: 2014,（6）
• 所属期刊栏目: 多媒体技术应用
• 页码范围: 116-119
• 页数: 4页
• 分类号: TP751
• 字数: 3600字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2014.06.032

摘要

高光谱遥感影像具有高维非线性、数据冗余多、训练样本难以获得等特点.在线性最小噪声分离变换MNF(Minimum NoiseFraction)的基础上,引入核方法,提出核最小噪声分离变换KMNF(Kernel Minimum Noise Fraction)高光谱遥感影像非线性特征提取方法.在KMNF特征提取后的影像上利用多类SVM进行高光谱影像分类,分析数据维数、样本个数对分类结果的影响,并与传统的最小距离分类方法进行对比.发现最小距离分类法存在维数灾难现象,当达到一定的特征维数之后,多类SVM分类方法受维数影响较小,具有一定的抗噪声能力,在一定程度上避免了维数灾难现象;利用多类SVM进行分类时,随着样本数目的减少,合理设置有关参数,高光谱图像的分类能够维持在较高精度;而传统的最小距离分类法当样本数量较小时,效果很差,这说明了SVM小样本分类的优势.

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