-
题名基于结构化特征重构的高光谱图像分类
- 1
-
-
作者
邢长达
汪美玲
徐雍倡
王志胜
-
机构
中国矿业大学信息与控制工程学院
南京航空航天大学计算机科学与技术学院
南京航空航天大学自动化学院
-
出处
《电子学报》
EI
CAS
CSCD
北大核心
2024年第9期3010-3022,共13页
-
基金
国家自然科学基金(No.62101247,No.62106104)
中国博士后科学基金(No.2022T150320)
中央引导地方科技发展专项资金项目(No.2021Szvup063)。
-
文摘
特征提取是高光谱图像分类的关键.现有分类方法在特征提取时,往往忽略特征的信息保有量和空间分布等因素,导致输出的特征可能面临低信息保有量与无序分布等问题,预测结果不佳.为此,本文提出一种基于结构化特征重构的高光谱图像分类方法,能够有效地减少特征提取过程中信息丢失,提高信息保有量,并充分考虑特征的空间分布,增强特征的判别性.借鉴重构思想以及自表达理论,建立结构特征重构的特征表示模型,可提升图像信息的利用率,并描述反映有序分布的结构信息.针对建立的多变量模型,设计一种基于交替更新的优化策略来求解模型.利用支持向量机来对特征进行分类计算和标签预测.利用Salinas、Pavia Center、Botswana以及Houston数据进行实验验证,结果表明,本文算法优于现有的分类模型,在OA(Overall Accuracy)、AA(Average Accuracy)以及Kappa系数等指标上平均提升了2.6%、3.9%、3.3%.
-
关键词
高光谱图像分类
信息保有量
结构化特征重构
特征分布
自表达
模型优化
支持向量机
-
Keywords
hyperspectral image classification
information preservation
structure-wise feature reconstruction
fea ture distribution
self-representation
model optimization
support vector machine
-
分类号
TP751
[自动化与计算机技术—检测技术与自动化装置]
-
