基于稀疏多流形學習的高光譜遙感影像降維研究.pdf

1、高光譜遙感影像中蘊含了豐富的地物空間信息和光譜信息，具有數(shù)據(jù)量巨大，波段數(shù)多，相鄰波段之間的相關性強，數(shù)據(jù)冗余等特點，利用傳統(tǒng)降維方法對高光譜遙感數(shù)據(jù)進行處理，容易導致“維數(shù)災難”。因此，如何在不丟失有用信息的前提下降低高光譜遙感影像的維數(shù)，改善地物分類效果，成為高光譜遙感影像地物分類研究的關鍵問題之一。
　　本文主要根據(jù)高光譜遙感影像數(shù)據(jù)的特點，結合流形學習、稀疏表示和圖嵌入理論，對基于稀疏流形學習的高光譜遙感影像降維方法進行了

2、研究。主要研究的工作如下：
　?、賹Ω吖庾V遙感影像的特點及其應用領域進行了分析，簡述了降維方法及其發(fā)展現(xiàn)狀。著重介紹了流形學習和稀疏表示的相關原理及方法，為論文方法提供了一定的理論依據(jù)。最后總結了幾種高光譜遙感影像分類結果的評價指標以及常用的幾種高光譜遙感影像數(shù)據(jù)集。
　　②提出一種用于高光譜遙感影像降維的監(jiān)督稀疏流形嵌入算法。針對稀疏流形聚類和嵌入(SMCE)算法在處理新樣本和鑒別能力方面的不足，提出監(jiān)督稀疏流形嵌入(SS

3、ME)算法。該算法在仿射空間中利用稀疏流形編碼(SMC)計算稀疏系數(shù)，再根據(jù)圖嵌入理論利用稀疏系數(shù)構建反映數(shù)據(jù)之間關系的相似圖，并利用類別信息，增強同類數(shù)據(jù)之間的相似性，改善同類數(shù)據(jù)的聚集性。在PaviaU和Urban數(shù)據(jù)集上的實驗表明：SSME算法能較好地表征數(shù)據(jù)的內(nèi)在特性，改善分類效果。
　?、厶岢鲆环N用于高光譜遙感影像降維的半監(jiān)督稀疏多流形嵌入算法。根據(jù)稀疏表示和流形學習原理，利用圖嵌入理論和半監(jiān)督學習原理，提出了半監(jiān)督稀疏

4、多流形嵌入(S3MME)算法。該算法利用了少量有標記樣本和大量無標記樣本的有用信息，通過SMC自適應地獲取位于相同流形上的數(shù)據(jù)點，構建能夠表征數(shù)據(jù)多流形結構的稀疏圖，并利用有標記樣本增大同類數(shù)據(jù)之間的相似性，得到不同流形上的低維嵌入特征。在PaviaU和Salinas數(shù)據(jù)集上驗證了S3MME方法的有效性。
　　綜上所述，針對高光譜遙感影像數(shù)據(jù)的特點，本文提出了兩種用于降維的稀疏流形學習算法，并在幾個高光譜遙感影像數(shù)據(jù)集上對算法的性