加权空-谱局部信息保持极限学习机的高光谱图像分类算法

摘要

高光谱图像的分类研究是高光谱图像处理与应用的重要环节.为有效提取高光谱遥感图像的空间信息和光谱信息,本文基于极限学习机提出新的研究.在模式识别和机器学习领域,极限学习机以其简单、快捷和良好的泛化能力得到越来越多的关注.但由于在高光谱遥感图像的学习过程中极限学习机缺乏对空间信息和光谱信息的有效提取,无法在分类中提供良好的分类结果.为此,基于谱局部信息的思想构造本文的研究框架,提出一种加权空-谱局部信息保持极限学习机分类算法.为验证所提算法的有效性,本文在两组常用的高光谱数据集Indian Pines和University of Pavia上进行实验,通过与传统的分类算法SVM和目前较为流行的分类算法KELM,KCRT-CK,MLR和LPKELM相比,本文算法具有较好的分类精度.