张辉远

(中铁第四勘察设计院集团有限公司，湖北武汉 430063)

基于高光谱影像的流形学习降维方法近邻畸变分析

张辉远

(中铁第四勘察设计院集团有限公司，湖北武汉 430063)

为了验证高光谱遥感影像数据经流形学习方法降维后数据之间关系的变化，提出了一种新的流形学习降维效果评估方法：近邻畸变参数分析。该方法简单直观，不需先验知识，能直观显示降维后数据在地理空间中产生的变化，通过参数统计显示降维效果的好坏。

流形学习 高光谱遥感 降维 评估

高光谱分辨率遥感是采集和处理可见光、近红外以及短波热红外波段范围内窄波段“连续”电磁光谱信息的遥感成像及分析技术。目前，高光谱遥感领域已形成了由地面测量到星载平台的完整观测体系，是国家地理国情监测的重要数据来源。但是光谱维度观测的大幅提升加重了其处理过程的存储负担与计算复杂度，其中非线性的相关性特征更降低了传统高光谱遥感影像数据分析的精度。高光谱遥感影像的降维，尤其是非线性降维方法是解决这些问题的必要手段，也是目前遥感数据解译领域的研究热点问题之一。

流形学习方法是一种新型的非线性降维方法，已在模式识别领域建立了完整的理论体系，取得了丰富的应用成果，在遥感土地覆盖与利用中的应用也越来越多。流形学习算法降维效果的评估是实践流形学习方法的一个重要环节。好的评估方法不仅可以检验具体流形学习算法模型的特征提取能力，也能为流形学习算法参数的选择提供必要参考。……