|
|
|
|
|
基于监督和模糊线性判别分析的高光谱图像半监督特征提取 |
|
聚丙烯:81-87 |
|
作者 |
|
李成慧,新华和,郭伯臣,金秀陶,惠山楚,王敏珊, |
|
摘要 |
|
线性判别分析(LDA)是一种常用的特征提取方法,用于解决分类。此外,许多研究表明,空间信息可以极大地提高分类性能。因此,对于高光谱图像分类,不仅需要利用现有的光谱信息,还需要利用空间信息信息。最近,我们提出了一种基于模糊的LDA(FLDA),即无监督特征提取,并将其用于聚类问题。然而,由于优化问题是非线性的、非凸的,且优化次数多,很难应用于图像分割隶属度值(聚类数与图像像素数的乘积)太大提出了一种基于LDA和FLDA散射矩阵的特征提取方法。未知的样本及其隶属度值是应用分类器后由后验函数确定的,用于形成和FLDA的簇间散布矩阵。在两幅高光谱图像上的实验结果,华盛顿购物中心和印第安松林样地的分类结果表明,在小样本条件下,该方法比LDA方法具有更好的分类性能问题。 |
|
|
|
|
|