罗甫林 黄 鸿 刘嘉敏 冯海亮



基于半监督稀疏流形嵌入的高光谱影像特征提取

罗甫林 黄 鸿*刘嘉敏 冯海亮

(重庆大学光电技术及系统教育部重点实验室 重庆 400044)

高光谱影像具有波段数多、冗余度高的特点，因此特征提取成为高光谱影像分类的研究热点。针对此问题，该文提出一种半监督稀疏流形嵌入(S3ME)算法，该方法充分利用标记样本和无标记样本，通过基于切空间的稀疏流形表示来自适应地揭示数据间的相似关系，并利用稀疏系数构建一个半监督相似图。在此基础上，增加了图中同类标记样本的权重，然后在低维空间中保持图的相似关系不变，并最小化加权距离和，获得投影矩阵实现特征提取。S3ME方法不仅能揭示数据间的稀疏流形结构，而且增强了同类数据的集聚性，能有效提取出鉴别特征，改善分类效果。该文提出的S3ME方法在PaviaU和Salinas高光谱数据集上的总体分类精度分别达到84.62%和88.07%，相比传统特征提取方法提升了地物分类性能。

高光谱数据；特征提取；半监督学习；稀疏流形嵌入

1 引言

高光谱影像是由数十数百个波段组成的图像，其中各像素表示为一条连续的光谱曲线，能较精确地反映地物特性，在地物分类中具有重要的应用价值[1,2]。然而，其波段数多且存在大量冗余信息，这使地物分类面临着巨大困难[3,4]。因此，如何减少数据冗余、实现特征提取是高光谱影像分类研究的热点之一。

维数约简是处理高维数据常用的方法，能有效地提取高维数据中的低维特征[5]。……