基于近邻图正则化的高光谱图像特征选择方法

• 作者: 彭艳斌 李晓勇 潘志刚 邱薇薇 郑志军 金诚
• 来源期刊: 光电子·激光
• 学科: 工学
• 关键词: 高光谱图像 分类 降维 特征选择 近邻图
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 图像和信息处理
• 页码范围: 192-199
• 页数: 8页
• 分类号: TP751.1
• 语种: 中文
• DOI: 10.16136/j.joel.2019.02.0178

摘要

高光谱图像分类是近年来的研究热点.其数据的高维性引发了“维度灾难”问题.数据降维成为解决问题的关键.针对高光谱数据有标记训练样本点匮乏的特点,提出用无监督的特征选择方法对高光谱数据进行降维.该方法能够同时保持原始高光谱数据的判别能力和局部几何结构.为了保持判别能力,用所选特征对原始高光谱数据进行重构,利用重构误差最小化将特征选择问题转化为优化问题.为了保持局部几何结构,建立近邻图,并将其转化为正则项加入目标函数中.通过迭代梯度下降方法解此优化问题,得出优选特征子集参与高光谱图像分类识别任务.在真实数据集上的实验表明,新方法能够提高分类识别的精度.