渠慎明，刘煊，梁胜彬

(1.河南大学 软件学院，河南 开封 475001；2.河南大学 智能网络系统研究所，河南 开封 475001)

0 引言

高光谱遥感(hyperspectral remote sensing，HRS)是指获取许多非常窄且光谱连续的图像数据的技术[1]。近年来，高光谱图像被广泛应用于航空航天、农业科学[2]等多学科交叉领域。其中，提升高光谱图像的分类精度是目前研究的热点之一。

高光谱图像具有的高维度特征容易导致Hughes现象[3]，常用的高光谱图像降维方法有特征提取和波段选择方法。特征提取是找到一种特征变换，将原始数据转换到低维特征空间，例如，主成分分析降维(principal component analysis，PCA)[4]和线性判别分析[5]等方法。波段选择是从高光谱图像所有光谱波段中选出一个波段子集来实现降维，该方法可以保留高光谱图像原始特征的物理意义并且降低维度，在小样本情况下仍可提升高光谱图像的分类精度。波段选择方法分为有监督方法和无监督方法两类[6]。有监督方法有人工蜂群算法[7]、核模糊粗糙集的波段选择算法(fuzzy rough set，FRS)[8]，该类算法需要设置较多的参数，导致模型复杂度较高。无监督方法有葛亮等[9]提出的基于波段聚类的波段选择方法及张悦等[10]提出的基于K-means聚类与自适应波段指数结合的方法(k-means adaptive band selection，KABS)，该类方法降低了模型的复杂度。

高光谱图像在采集和传输的过程中会因成像设备与环境因素而引入噪声，这些噪声问题影响了高光谱图像后续的分类精度和可信度[11]。为了减少高光谱图像中的噪声，常采用基于滤波的去噪技术，例如高斯滤波、双边滤波和引导滤波[12]等。……