基于流形学习的高光谱遥感影像特征提取.doc

基于流形学习的高光谱遥感影像特征提取算法研究

1.94万字 40页 原创作品，通过查重系统

摘 要
高光谱遥感影像数据凭借对地物细致的分类和识别迅速成为遥感应用领域的热点，具有广阔应用开发前景。高光谱遥感影像的数据中，丰富的光谱信息为遥感地物分类乃至识别提供了基础，然而光谱信息的增加，是建立在波段增多的基础上的，这也就必然导致了整体数据信息冗余度的增加以及数据处理复杂度的提高。因此，在对高光谱遥感影像进行处理、分析之前，降维变得尤为必要。而流形学习作为近年来出现的一种新的降维方式，它采用非监督学习方法 引起越来越多高光谱遥感应用学科工作者的重视。因此，本文主要对基于流形学习的高光谱遥感影像的降维方法进行研究，主要研究内容包括：
1)分析了高光谱遥感影像的成像方式以及数据结构，详细介绍了两种不同的高光谱遥感图像降维方式，对最近热门的流行学习这一方式如何运用到降维中去，进行了详细的描述，并介绍了相关的研究现状。
2)在对高光谱遥感影像数据的处理过程进行详细分析的基础上，将流形学习的思想引入高光谱影像的降维过程，通过流形学习的方法，发现高维数据集分布的内在规律性将观测空间卷曲的流行进行有效的展开，实现对高光谱遥感影像的特征提取，进而降低影像维度。
3)研究了流形学习的主要算法，对其中的几种经典算法做了详细的介绍，并将Isomap算法应用于高光谱影像的降维，比较了降维之后分类与不降维分类精度的差别，实验结果表明流形学习在高光谱遥感影像降维中的有效性和可靠性。



关键词：高光谱遥感影像，流形学习，降维算法，特征提取，等距映射算法