应用监督近邻重构分析的高光谱遥感数据特征提取.pdf

第 45卷 第 l0期 红外与激光工程 2016年 l0月 Vo1．45NO．10 InfraredandLaserEngineering 0ct．2016 应用监督近邻重构分析的高光谱遥感数据特征提取 方 敏 ，王 君，王红艳，李天涯 (四川理工学院 理学院，四川 自贡 643000) 摘 要 ：针对高光谱遥感数据特征提取方法的研究，提 出了一种新的监督近邻重构分析 (Supervised NeighborReconstructionAnalysis，SNRA)算法。该方法首先利用同一类别的近邻数据点对各数据点进 行重构 ；然后在低维嵌入空间中保持该重构关系不变，尽可能地分离开非同类数据点，并利用总体散 度矩 阵来约束数据 间的相关性；最后求解得到一个最佳投影矩 阵，进而提取出鉴别特征。SNRA算法 不仅保持 了同类数据的局部结构而且增强 了非 同类数据的可分性 ，同时减少了数据的冗余信息。在 IndianPine和 KSC高光谱遥感数据集上的实验结果表 明：提 出的方法能更好地揭示出高光谱遥感数 据的内在特性 ，提取 出更有效的鉴别特征 ，改善分类效果。 关键词 ：高光谱遥感数据分类； 特征提取 ； 监督学习； 邻域重构； 总体散度矩阵 中图分类号 ：TP751 文献标志码 ：A DoI：l0．3788／IRLA201645．1028003 Featureextraction ofhyperspectralremotesensingdatausing supervisedneighborreconstruction analysis FangM in，W angJun，W angHongyan，LiTianya (CollegeofScience，SichuanUniversityofScience& Engineering，Zigong643000，China) Abstract：Forthefeatureextraction methodsofhyperspectralremotesensing data，anew method，called supervisedneighborreconstructionnaalysis (SNRA)，wasproposed．First，thismethodreconstructseach pointwiht neighborpointsfrom the same class．Then，itpreserves the reconstruction relationship and separateshtedatapointsrfom differentclassesasfra aspossiblein low—dimensionembeddingspace．And a total scatter matrix is used to constrain the correlation between data points．Finally，itobtains na optimizedprojectionmatrixandextractshtediscriminatingfeature．SNRA notonlypreserveshtelocal structures of intraclass data butalso enhances the separability of interclass data．And itreduces hte redundna tinformation．Theexperimentson Indian Pineand KSC hyperspectralremotedatasetsshow that hte proposed mehtod can better revealhte intrinsic property ofhype