基于稀疏和流形的高光譜圖像特征提取研究.pdf

1、隨著遙感技術的改進和成像光譜儀技術的不斷改良，高光譜圖像在眾多領域得到廣泛應用。但是，正因為高光譜圖像具有幾乎幾百的波段數(shù)，數(shù)據(jù)量大的特點，隨著成像光譜儀獲得的光譜分辨率的提高，使得在對原始數(shù)據(jù)利用傳統(tǒng)的算法進行處理時，往往會遇到計算時間很長，傳統(tǒng)算法的適用性受到限制。目前很多算法都已經(jīng)得到驗證并且應用性很強。為了解決以上問題，采用對原始高維特征空間進行降維的手法。另外，高光譜數(shù)據(jù)在利用成像光譜儀獲取時，不可避免地會獲取非線性的信息，傳

2、統(tǒng)的線性特征提取算法顯然不能獲取這些非線性因素，而基于核的算法由于其物理意義不清晰及存在計算復雜度過高等問題。近年來，流形學習和稀疏表示理論是研究的熱門，本文首先分析傳統(tǒng)的算法的優(yōu)劣，提出了幾種改進的算法并且對上述問題進行了有深度的研究。本文的研究工作如下：
　　首先，對高光譜圖像的特征提取算法進行研究，詳細的總結了傳統(tǒng)算法的理論，計算過程，利用真實的高光譜地物信息進行實驗，驗證算法是否能夠優(yōu)于經(jīng)典算法。
　　然后，針對目前

3、半監(jiān)督特征提取算法中存在的問題，提出一種新的半監(jiān)督局部稀疏嵌入特征提取算法?？朔私?jīng)典稀疏表示求解稀疏系數(shù)的算法復雜度問題并能夠在快速的求解稀疏圖的同時保持數(shù)據(jù)的局部幾何信息。針對目前高光譜圖像半監(jiān)督降維算法中基于流形學習的開放性選擇近鄰參數(shù)問題，以及利用傳統(tǒng)算法不能有效的獲取標簽數(shù)據(jù)的局部信息，提出一種新的不用考慮如何選取近鄰參數(shù)的半監(jiān)督局部稀疏嵌入（SELSE）算法對高光譜圖像進行特征提取。算法基于模式識別和圖像處理領域的信號的稀疏

4、變換理論，通過求解范數(shù)優(yōu)化問題得到稀疏系數(shù)從而構建樣本點間的鄰域圖，并且利用少量的已知標簽的高光譜數(shù)據(jù)信息來最大化類間信息。通過實驗分析比較了所提算法與傳統(tǒng)半監(jiān)督算法間計算時間和分類精度等各項指標，得出結論：該算法獲得較好的分類精度，遺憾的是，同時計算時間略有增加。
　　最后，考慮到半監(jiān)督算法需要事先知道原始數(shù)據(jù)集的先驗知識，而無監(jiān)督算法則不需要，然而目前基于流形學習的無監(jiān)督算法只能夠單獨的描述局部或是全局的幾何結構，尚且沒有一種