基于图像欧氏距离的高光谱图像流形降维算法.pdfVIP

第32卷第5期 红 外 与 毫 米 波 学报 Vo1．32．No．5 2013年 10月 J．InfraredMillim．Waves October，2013 文章编号：1001—9014(2013)05—0450—06 DOI：10．3724／SP．J．1010．2013．00450 基于图像欧氏距离的高光谱图像流形降维算法 陈宏达 ，普晗晔，王 斌 ，张立明 (1．复旦大学 电子工程系，上海 200433； 2．复旦大学 波散射与遥感信息重点实验室，上海 200433) 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． 关 键 词：高光谱遥感图像；非线性降维；图像欧氏距离；分类 中图分类号：TP751 文献标识码：A ImageEuclidean distance-basedmanifolddimensionality reduction algorithm forhyperspectralimagery CHEN Hong．Da ， PU Han—Ye ， WANG Bin ’ ， ZHANG Li—Ming (1．Dept．ofElectronicEngineering，FudanUniversity，Shanghai 200433，China； 2．TheKeyLaboratoryofWaveScatteringandRemoteSensingInformation，FudanUniversity，Shanghai 200433，China) Abstract：TwononlineardimensionalityreductionmethodswereproposedbasedonimageEuclideandistance．Consider。 ingthePh3sical charactersofhyperspectralimagery，htemethodsintroducedimageEuclideandistanceinto traditional manifolddimensionalityreduction．Comparedwithothermethods，ourmethodshaveseveraladvantages．Theintroduc— tionofimageEuclideandistancenotonlyconsidershyperspectralimage’Sspatialrelationship，butalsopreservesthelo— calfeatureofdatasetswel1．ThustheproposedmethodsCna discardefficientlyhteredundnatinformationfrom boht the specrtalandspatialdimensions．Theexperimentresultsdemonstratedthattheproposedmethodshavehigherclassification accuracythanothermethodswhenappliedtOhyperspectralimageclassification． Keywords：hyperspectralimagery；nonlineardimensionalreduction；imageEuclide