论文部分内容阅读
高光谱遥感影像相比其他遥感数据提供了更加丰富的地球表面信息，在近20年得到了迅速的发展和大量应用。高光谱遥感影像波段多，数据量大，这给数据的处理带来了一定的困难，因此高光谱遥感影像常常要经过特征选择或特征提取等方法进行降维作为高光谱数据的预处理工作。本文从高光谱遥感影像处理技术中的特征提取出发，在深入研究稀疏表示降维方法的基础上提出一种基于稀疏表示的半监督降维算法并将其应用到高光谱遥感数据降维中。 本研究主要内容包括：⑴在分析高光谱遥感数据特征的基础上，围绕特征提取的降维算法详细阐述了稀疏表示理论，并引入小波去噪方法对稀疏表示分类器进行改进。通过试验表明结合小波去噪的方法能够有效的提高稀疏表示分类器的性能。⑵分析了基于非监督稀疏表示的降维方法 SPGE和监督稀疏表示算法BSGDA，针对BSGDA运算效率低的特点，提出一种“构小图”的方法来构建稀疏相似矩阵进行监督稀疏表示降维算法。通过试验表明采用“构小图”的方法能够大大提高运算效率，为BSGDA的应用奠定了一定的基础。⑶结合半监督学习，利用小波去噪的稀疏分类器和最邻近正规化方法进行样本的增选，在 BSGDA的基础上提出一种基于稀疏表示的半监督降维算法。试验表明在训练样本小的情况下，该方法较监督降维算法BSGDA和非监督算法LE能够取得更好的降维效果。