论文部分内容阅读
高光谱遥感图像具有详细的空间几何信息和丰富的光谱特征信息,其数据量大、维数过高、冗余性强的特点,若直接对高光谱遥感图像进行分类,容易出现“维数灾难”问题。因此,如何提取出有用的鉴别特征信息来提升高光谱遥感图像的分类精度成为关键问题。本文以高光谱遥感数据的非线性属性分析入手,主要从流形学习角度对高光谱遥感数据的特征提取及分类进行深入研究。相关的研究工作如下:①总结介绍了传统线性特征提取算法、局部流形学习算法、常用分类算法及分类结果的评价标准;②研究提出了面向高光谱遥感图像分类的半监督Laplace鉴别