文档下载 文档下载导航
设为首页 | 加入收藏
搜索 请输入内容:  
 导航当前位置: 文档下载 > 所有分类 > 自然科学 > 天文/地理 > 高光谱遥感影像的广义判别分析特征提取_杨国鹏
侵权投诉

高光谱遥感影像的广义判别分析特征提取_杨国鹏

第24卷第2期2007年4月测绘科学技术学报

JournalofZhengzhouInstituteofSurveyingandMappingVo.l24No.2

Apr.2007

文章编号:1673-6338(2007)02-0130-03

高光谱遥感影像的广义判别分析特征提取

杨国鹏,余旭初

(信息工程大学测绘学院,河南郑州 450052)

摘要:高光谱遥感影像具有丰富的光谱信息,在地物分类识别方面具有明显的优势。针对复杂高光谱影像分类问题,应用了一种广义判别分析特征提取技术。将输入样本通过非线性函数映射到特征空间,在特征空间中应用线性判别特征提取方法;算法求解过程中涉及到在特征空间的内积用核函数代替,简化计算的同时也使得算法与非线性函数的具体形式无关。通过影像分类试验表明,该方法较常用特征提取方法更有利于分类精度的提高。

关 键 词:高光谱遥感影像;特征提取;广义判别分析;核函数中图分类号:P237 文献标识码:A

GeneralizedDiscriminantAnalysisFeatureExtractionof

HyperspectralRSImage

YANGGuo-peng,YUXu-chu

(InstituteofSurveyingandMapping,InformationEngineeringUniversity,Zhengzhou450052,China)

Abstract:Thehyperspectralremotesensingimageisrichinspectruminformation,soitcanbebettertocarryonthe

groundtargetsclassification.Todealwithclassificationhyperspectralimagewithhighdimension,anapproachofgen-eralizeddiscriminantanalysisfeatureextractionisapplied.Wemaptheinputspaceintoahigh-dimensionalfeaturespacewithlinearproperties.Inthenewspace,onecansolvetheprobleminlineardiscriminantanalysis.Inthepro-cessingofthismethod,thevectordotproductinthefeaturespacewasreplacedbykernelfunction,soitiseasytocom-puteanddont'havetoknowthenonlinearfunction.Comparedwithothercommonfeatureextractmethod,thismethodismoresuitabletoextractnonlinearfeatureofhyperspectralimage,whichisprovedbytheimageclassificationtest.Keywords:hyperspectralremotesensingimage;featureextraction;generalizeddiscriminateanalysis;kernelfunction

20世纪80年代初期出现的高光谱遥感技术,将反映目标辐射属性的光谱与反映目标空间和几何关系的图像有机地结合在一起,续写和完善了光学遥感影像从黑白全色影像通过多光谱到高光谱的全部影像信息链。通过高光谱遥感获取影像的像元或像元组合所反映的地面目标的光谱特性,能达到快速区分和识别地面目标的目的。在矿物勘察、植被生长监测、大气成份探测、军事目标侦查等领域将发挥重要作用。传统的模式识别方法(如贝叶斯分类法、人工神经网络等)在处理高维的高光谱遥感数据时,会出现维数灾难现象

[2,3]

[1]

析方法变革

[4]

。核主成分分析(KPCA)所提取特

征是对数据信息量压缩的最优表达,对分类来说

并不有效。核Fisher判别是利用核函数按照类别可分性投影到1维空间进行分类

[5]

。Baudat等人

根据此思路将线性判别分析推广到广义判别分析

[6]

方法,来实现数据非线性判别分析特征提取。1 广义判别分析特征提取方法

1.1 方法原理

线性判别分析LDA(Lineardiscriminantanaly-sis)是一种常用的分类工具。通过将输入空间变换投影到1维空间来分类,使该空间中类间离散度与总类内离散度的比值最大,从而保证类别可分性。

广义判别分析GDA(Generalizeddiscriminant

。特征提取成为高光谱影像分类的必要步

骤。近几年随着支持向量机(SVM)在各领域中的

成功应用,使基于核函数的非线性投影成为实现非线性特征提取的新思路,被称为第3次模式分

收稿日期:2006-09-01;修回日期:2007-01-16 基金项目:国家863项目(2006AA701309)资助

),,,,。

第1页

你可能喜欢

热门文档

相关文档

站点地图 | 文档上传 | 侵权投诉 | 手机版
本站所有资源均来自互联网,本站只负责收集和整理,均不承担任何法律责任,如有侵权等其它行为请联系我们.
文档下载 Copyright 2013 doc.guandang.net All Rights Reserved.  -  email