一种用于高光谱图像特征提取的子空间核方法 - 哈尔滨工程大学学报.pdfVIP

第３５卷第２期　 　 　 　 　 　 　 　 　 　 　 哈　 尔　 滨　 工　 程　 大　 学　 学　 报　 　 　 　 　 　 　 　 　 　 Ｖｏｌ．３５ №．２ ２０１４年２月　 　 　 　 　 　 　 　 　 　 Ｊｏｕｒｎａｌ ｏｆ Ｈａｒｂｉｎ Ｅｎｇｉｎｅｅｒｉｎｇ Ｕｎｉｖｅｒｓｉｔｙ 　 　 　 　 　 　 　 　 　 　 　 Ｆｅｂ．２０１４ 一种用于高光谱图像特征提取的子空间核方法 刘振林，谷延锋，张晔 （哈尔滨工业大学 电子与信息工程学院，黑龙江哈尔滨 １５０００１） 摘　 要：特征提取对于实现高光谱遥感图像的有效信息挖掘和利用以及提高后续分类应用有着重要价值。 为了改进降 维效果，提出一种子空间调制的核主成分分析方法，将高光谱数据分组特性整合到一个统一的核方法框架中，并构造子 空间调制核。 子空间调制核依靠特征分组实现了在光谱波段上的稀疏调制，它也是一个数据自适应的核，用于度量高光 谱数据样本间的非线性相似性。 该方法利用ＡＶＩＲＩＳ真实高光谱图像进行评估，并且与传统的核方法、光谱加权核方法 进行了比较。 实验结果表明，基于子空间调制的核方法更充分地利用了波段间复杂相关的物理特性，进而在高光谱图像 分类方面的结果好于传统的核方法与光谱加权核方法。 关键词：高光谱图像；核方法；数据降维；图像分类；特征提取 ｄｏｉ：１０．３９６９／ ｊ．ｉｓｓｎ．１００６⁃７０４３．２０１３０９０２５ 网络出版地址：ｈｔｔｐ：／ ／ ｗｗｗ．ｃｎｋｉ．ｎｅｔ／ ｋｃｍｓ／ ｄｏｉ／ １０．３９６９／ ｊ．ｉｓｓｎ．１００６⁃７０４３． ２０１３０９０２５．ｈｔｍｌ 中图分类号：ＴＮ９１１．７３　 文献标志码：Ａ　 文章编号：１００６⁃７０４３（２０１４）０２⁃０２３８⁃０７ Ａ ｓｕｂｓｐａｃｅ ｋｅｒｎｅｌ ｌｅａｒｎｉｎｇ ｍｅｔｈｏｄ ｆｏｒ ｆｅａｔｕｒｅ ｅｘｔｒａｃｔｉｏｎ ｏｆ ｔｈｅ ｈｙｐｅｒｓｐｅｃｔｒａｌ ｉｍａｇｅ ＬＩＵ Ｚｈｅｎｌｉｎ，ＧＵ Ｙａｎｆｅｎｇ，ＺＨＡＮＧ Ｙｅ （Ｓｃｈｏｏｌ ｏｆ Ｅｌｅｃｔｒｏｎｉｃｓ ａｎｄ Ｉｎｆｏｒｍａｔｉｏｎ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｈａｒｂｉｎ Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｔｅｃｈｎｏｌｏｇｙ，Ｈａｒｂｉｎ １５０００１，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｆｅａｔｕｒｅ ｅｘｔｒａｃｔｉｏｎ ｉｓｑｕｉｔｅｖａｌｕａｂｌｅｆｏｒ ｔｈｅ ｍｉｎｉｎｇ ａｎｄｕｔｉｌｉｚａｔｉｏｎ ｏｆ ｖａｌｉｄ ｉｎｆｏｒｍａｔｉｏｎ ｉｎ ｈｙｐｅｒｓｐｅｃｔｒａｌ ｒｅ⁃ ｍｏｔｅ⁃ｓｅｎｓｉｎｇ ｉｍａｇｉｎｇ ａｎｄ ｔｈｅ ｉｎｃｒｅａｓｅ ｏｆ ｓｕｂｓｅｑｕｅｎｔ ｃｌａｓｓｉｆｉｅｄ ａｐｐｌｉｃａｔｉｏｎｓ． Ｆｏｒ ｉｍｐｒｏｖｉｎｇ ｔｈｅ ｄｉｍｅｎｓｉｏｎ ｒｅｄｕｃｔｉｏｎ ｅｆｆｅｃｔ，ａ ｓｕｂｓｐａｃｅ⁃ｍｏｄｕｌａｔｅｄ ｋｅｒｎｅｌ ｐｒｉｎｃｉｐａｌ ｃｏｍｐｏｎｅｎｔ ａｎａｌｙｓｉｓ （ＳＭ⁃ＫＰＣＡ） ｍｅｔｈｏｄ ｉｓ ｐｒｏｐｏｓｅｄ． Ｗｉｔｈ ｔｈｉｓ ｍｅｔｈｏｄ，ｔｈｅ ｇｒｏｕｐｉｎｇ ｎａｔｕｒｅｓ ｏｆ ｈｙｐｅｒｓｐｅｃｔｒａｌ ｄａｔａ ａｒｅ ｉｎｔｅｇｒａｔｅｄ ｉｎｔｏ ａ ｕｎｉｆｏｒｍ ｋｅｒｎｅｌ ｍｅｔｈｏｄ ｆｒａｍｅｗｏｒｋ ａｎｄ ａ ｓｕｂｓｐａｃｅ⁃ｍｏｄｕｌａｔｅｄ ｋｅｒｎｅｌ ｉｓ ｃｏｎｓｔｒｕｃｔｅｄ． ＳＭＫ（ｓｕｂｓｐａｃｅ⁃ｍｏｄｕｌａｔｅｄ ｋｅｒｎｅｌ） ａｃｈｉｅｖｅｓ ａ ｓｐａｒｓｅ ｍｏｄｕｌａｔｉｏｎ ｏｎ ｔｈｅ ｓｐｅｃｔｒａｌ ｗａｖｅｂａｎｄ ｂｙ ｍｅａｎｓｏｆ ｆｅａｔｕｒｅ ｇｒｏｕｐｉｎｇ；ｉｎ ａｄｄｉｔｉｏｎ，ｉｔ ｉｓａ ｄａｔａ⁃ａｄａｐｔｉｖｅ ｋｅｒｎｅｌｆｏｒ ｍｅａｓｕｒｉｎｇ ｔｈｅ ｎｏｎｌｉｎ⁃ ｅａｒ ｓｉｍｉｌａｒｉｔｉｅｓａｍｏｎｇｔｈｅｈｙｐｅｒｓｐｅｃｔｒａｌ ｄａｔａ ｓｐｅｃｉｍｅｎｓ．Ｗｉｔｈｔｈｅｐｒｏｐｏｓｅｄｍｅｔｈｏｄ，ＡＶＩＲＩＳ（ａｉｒｂｏｒｎｅｖｉｓｉｂｌｅｉｎｆｒａ⁃ ｒｅｄ ｉｍａｇｉｎｇ ｓｐｅｃｔｒｏｍｅｔｅｒ） ｒｅａｌ ｈｙｐｅｒｓｐｅｃｔｒａｌ ｉｍａｇｉｎｇ