组合因子最优的线性预测波段选择

• 作者: 刘永进 方帅 杨学志 瞿成佳
• 来源期刊: 中国图象图形学报
• 学科: 工学
• 关键词: 高光谱 波段选择 线性预测误差 信息量 子空间划分
• 年，卷（期）: 2016,（2）
• 所属期刊栏目: 全国第26届CACIS学术会议
• 页码范围: 255-262
• 页数: 8页
• 分类号: TP751.1
• 字数: 5491字
• 语种: 中文
• DOI: 10.11834/jig.20160215

摘要

目的 高光谱图像分辨率高,数据量大,信息的冗余程度高,给数据处理带来了很大的困难.为了高效地实现数据降维,使降维后的数据冗余度小且信息量大,提出一种基于组合因子最优的波段选择方法.方法 首先对高光谱数据进行波段子空间划分,在各子空间中通过线性预测误差来计算误差最小和次小的两个波段,结合它们的标准差,计算出它们的组合因子,通过比较组合因子来决定所要去除的波段.结果 该方法的计算效率高,相同条件下计算时间比最快的方法有轻微的减少.使用支持向量机(SVM)对波段子集分类,并将该方法与其他方法进行分类准确率比较,相同条件下比其他方法的最高准确率有1.5％的提升.结论 组合因子的方法综合考虑了波段子集的最小冗余度和最大信息量,得到了较好的波段子集,并且有较小的计算复杂度,适用于AVIRIS(airborne visible infrared imaging spectrometer)等各种高光谱图像数据.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨学志	合肥工业大学计算机与信息学院	73	588	12.0	20.0
3	方帅	合肥工业大学计算机与信息学院	63	1182	20.0	32.0
9	刘永进		6	50	4.0	6.0
10	瞿成佳	合肥工业大学计算机与信息学院	1	8	1.0	1.0