基于PCA与t-SNE特征降维的城市植被SVM识别方法

作者：于慧伶; 霍镜宇; 张怡卓; 蒋毅

来源：实验室研究与探索, 2019, 38(12): 135-140.

• 高光谱图像分类
• 城市植被分类
• 主成分分析法
• t-分布式随机邻域嵌入算法
• 支持向量机

以高光谱图像降维为研究问题,针对主成分分析法(PCA)投影结果混叠、线性不可分和t-分布式随机邻域嵌入算法(t-SNE)内存占用大、运行时间长等不足,提出了一种基于PCA与t-SNE结合的高光谱图像降维方法。设计了基于SVM的城市植被识别模型,有效地提高了运行速率,进而更好地提取高光谱图像的本质特征,提高了高光谱图像中城市植被的分类精度。实验选取肯尼迪航天中心(KSC)数据为对象,结果表明,PCA-t-SNE-SVM算法总体分类精度可达92.06%,Kappa系数为0.91时,分类效果最优,相较于PCA-SVM和t-SNE-SVM算法,总体分类精度分别提高了13.51%和3.33%,Kappa系数分别提高了0.15和0.04,均表现出良好的性能。

• 单位
  黑龙江省计算中心; 东北林业大学; 机电工程学院