基于特征空间判别分析的高光谱遥感图像分类

作者：王婷

来源：信息与电脑(理论版), 2016, (24): 128-130.

• 高光谱遥感图像
• 数据降维
• 特征空间判别分析
• 支持向量机

高光谱遥感图像包含了相当大的数据量,不同地物信息丰富,谱间相关性强,而且也有跟多的冗余信息。使得处理数据过程变得特别的复杂,还会影响地物识别和分类精度,给高光谱遥感图像分类技术带来了诸多的问题和挑战。因此,数据降维是高维数据分类之前的重要步骤。笔者提出基于特征空间判别分析(FSDA)的高光谱遥感图像分类算法,首先,最大化光谱间散射矩阵以增加提取的特征之间的差异;第二步,最大化类间散布矩阵同时最小化类内散度矩阵。最后利用支持向量机(SVM)对降维后的数据进行分类。实验结果表明,相比直接利用SVM分类本文算法有更好的分类效果。

• 单位
  北方民族大学