基于流形学习的高光谱图像非线性降维算法

• 作者: 唐晓燕 杨磊
• 来源期刊: 河南理工大学学报（自然科学版）
• 学科: 地球科学
• 关键词: 高光谱图像 非线性降维 流行学习 等距映射 局部切空间排列
• 年，卷（期）: 2016,（5）
• 所属期刊栏目: 地测与环境工程
• 页码范围: 660-665
• 页数: 6页
• 分类号: P751
• 字数: 4112字
• 语种: 中文
• DOI: 10.16186/j.cnki.1673-9787.2016.05.012

摘要

针对高光谱图像同一像元内存在多种地物种类,且地物之间具有多重反射,导致高光谱数据的非线性,采用传统的线性降维算法效果不佳等问题,提出利用流形学习的方法来寻找嵌入在高维观测数据空间的低维光滑流形,实现高光谱数据的非线性光谱降维.模拟和真实高光谱遥感数据实验结果表明,与传统的线性降维方法PCA相比,经过等距映射、局部切空间排列等流行学习算法降维后的高光谱图像具有更好的光谱端元可分性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	唐晓燕	南阳理工学院电子与电气工程学院	22	92	5.0	9.0
2	杨磊	南阳理工学院电子与电气工程学院	14	16	2.0	2.0