JM变换优化的高光谱图像自适应降维

• 作者: 康孝岩 张爱武 柴沙驼 肖青 胡少兴
• 来源期刊: 遥感学报
• 关键词: 遥感 JM变换 规范化 自适应降维 非监督波段选择 高光谱图像
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 技术方法
• 页码范围: 67-75
• 页数: 9页
• 字数: 6853字
• 语种: 中文

摘要

在无需先验标签样本的情况下,非监督降维可以有效简化高光谱图像的特征空间,避免目标分类中的霍夫效应.本文提出JM非线性变换优化的自适应降维模型来研究面向图像目标分类的高光谱波段选择问题.该方法考虑波段的信息量和独立性等两个重要因子,针对其测度方法的差异性问题,引入JM变换函数进行规范化优化.选用线阵高光谱和面阵显微光谱等两个图像数据集,在k最邻近和随机森林分类器下,进行了多组监督分类实验,结果表明,在Kappa系数、总体分类精度和平均分类精度上,本文方法均优于3种非监督方法MABS、InfFS和LSFS.说明本文提出的JM变换的自适应降维模型能够有效降低特征维度,满足高光谱图像分类的高精度要求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡少兴	北京航空航天大学机械工程及自动化学院	32	318	7.0	17.0
2	张爱武	首都师范大学三维信息获取与应用教育部重点实验室	76	733	14.0	25.0
6	肖青	中国科学院遥感与数字地球研究所遥感科学国家重点实验室	31	617	16.0	24.0
7	柴沙驼	青海大学畜牧兽医科学院	13	45	4.0	6.0
8	康孝岩	首都师范大学三维信息获取与应用教育部重点实验室	10	23	2.0	4.0