基于LFDA和GA-ELM的高光谱图像地物识别方法研究

• 作者: 李宝芸 范玉刚 杨明莉
• 来源期刊: 遥感技术与应用
• 关键词: 高光谱图像 降维 极限学习机 分类识别
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 数据与图像处理
• 页码范围: 587-593
• 页数: 7页
• 分类号: TP751.1
• 语种: 中文
• DOI: 10.11873/j.issn.1004-0323.2021.3.0587

摘要

高光谱图像的高维特性和波段间的高相关性,导致高光谱图像地物识别问题研究中,面临着数据量大、信息冗余的问题,降低了高光谱图像的分类识别精度.针对以上问题,提出了基于局部保留降维(Local Fisher Discriminant Analysis,LFDA)结合遗传算法(Genetic Algorithm,GA)优化极限学习机(Extreme Learning Machine,ELM)的高光谱图像分类方法.首先,采用LFDA对高光谱图像数据进行降维处理,消除信息冗余并保留局部邻域内主要特征;然后用GA优化ELM,对降维处理后的特征样本进行分类,提高高光谱图像的分类识别精度.将该方法应用于Salinas和Pavia University高光谱图像的地物识别问题研究,分类精度分别达到了98.56％和97.11％,由此验证了该方法的有效性.