摘要
提出两种基于图像欧氏距离的非线性降维方法.该方法利用高光谱图像物理特性,将图像欧氏距离引入到传统的流形降维算法中.与其它应用于高光谱图像的降维算法相比,该算法具有诸多优点.图像欧氏距离的引入,在考虑高光谱图像本身的空间关系的同时,很好地保持了数据点之间的局部特性,可以实现有效地去除原始数据集光谱维和空间维的冗余信息.实际高光谱数据的实验结果表明,该算法应用于高光谱图像分类时,与其它常见的方法相比具有更高的分类精度.
学科与关键词
关键词
高光谱遥感图像非线性降维图像欧氏距离分类 hyperspectral imagerynonlinear dimensional reductionimage Euclidean distanceclassification
- 应用级联多分类器的高光谱图像分类邱云飞; 王星苹; 王春艳; 孟令国中国图象图形学报, 2019, (11): 2021-2034.
- NULL SPACE SPECTRAL PROJECTION ALGORITHM FOR HYPERSPECTRAL IMAGE ENDMEMBER EXTRACTIONLUO Wen Fei; ZHONG Liang; ZHANG Bing; GAO Lian Ru2010.
- 数据分布特性的自适应流形学习方法李冬睿; 李梅小型微型计算机系统, 2014, (06): 1387-1391.
