周明（辽宁师范大学城市与环境学院，大连116029）

基于RBF神经网络的高光谱遥感影像降维及分类

周明
（辽宁师范大学城市与环境学院，大连116029）

高光谱遥感影像数据量大，针对该特点，为尽可能保留数据中有价值的信息，首先采用线性判别分析（Linear Discriminant Analysis，LDA）方法对高光谱遥感影像数据进行降维，接着应用径向基函数（Radial Basis Function，RBF）神经网络方法对其进行分类处理。实验结果表明，分类精度可达到70％以上，具有良好的分类效果，证明了该方法的可行性。

径向基函数；线性判别分析；

高光谱遥感；神经网络；分类

1　引言

随着现代遥感技术的发展，高光谱遥感已成为遥感领域的前沿技术。高光谱遥感是高光谱分辨率遥感的简称，它是在电磁波谱的可见光，近红外，中红外和热红外波段范围内，获取许多很窄的光谱连续的影像数据的技术。高光谱数据具有很多光谱波段且光谱分辨率很高。通过成像光谱技术所获取的目标图像包含了丰富的空间、辐射、光谱三类信息，提供了比多光谱传感器更丰富精确的光谱信息［1］，极大地提高了遥感影像对地物的分类识别能力，从而具有广泛的民用和军事应用前景。高光谱遥感影像数据具有波段多、数据量大、数据不确定性等特点，且易受Hughes现象影响［2］。

为处理高维遥感影像数据，通常利用特征提取与特征选择进行降维处理［3］。特征提取可分为线性和非线性特征提取方法。线性判别分析（LDA）是一种有监督的线性特征提取方法，主要目的是最小化类内距离同时最大化类间距离，得到最优投影以产生分类结果，其运算简便，能够产生简单变换函数。……