基于半监督稀疏流形嵌入的高光谱影像特征提取

• 作者: 冯海亮 刘嘉敏 罗甫林 黄鸿
• 来源期刊: 电子与信息学报
• 学科: 工学
• 关键词: 高光谱数据 特征提取 半监督学习 稀疏流形嵌入
• 年，卷（期）: 2016,（9）
• 所属期刊栏目: 论文
• 页码范围: 2321-2329
• 页数: 9页
• 分类号: TP751
• 字数: 5734字
• 语种: 中文
• DOI: 10.11999/JEIT151340

摘要

高光谱影像具有波段数多、冗余度高的特点，因此特征提取成为高光谱影像分类的研究热点。针对此问题，该文提出一种半监督稀疏流形嵌入(S3ME)算法，该方法充分利用标记样本和无标记样本，通过基于切空间的稀疏流形表示来自适应地揭示数据间的相似关系，并利用稀疏系数构建一个半监督相似图。在此基础上，增加了图中同类标记样本的权重，然后在低维空间中保持图的相似关系不变，并最小化加权距离和，获得投影矩阵实现特征提取。S3ME方法不仅能揭示数据间的稀疏流形结构，而且增强了同类数据的集聚性，能有效提取出鉴别特征，改善分类效果。该文提出的S3ME方法在PaviaU和Salinas高光谱数据集上的总体分类精度分别达到84.62%和88.07%，相比传统特征提取方法提升了地物分类性能。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘嘉敏	重庆大学光电技术及系统教育部重点实验室	55	382	11.0	16.0
2	黄鸿	重庆大学光电技术及系统教育部重点实验室	73	422	11.0	15.0
3	冯海亮	重庆大学光电技术及系统教育部重点实验室	38	482	11.0	21.0
4	罗甫林	重庆大学光电技术及系统教育部重点实验室	16	93	6.0	8.0