基于无监督特征选择的高光谱图像分类方法

摘要

在高光谱图像分类中,丰富的数据提升了其地物识别能力。然而,由于样本特征数大且有标记训练样本点少,导致"维度灾难"问题。本文提出一种基于无监督特征选择的高光谱图像分类方法,该方法同时考虑数据的流形嵌入映射和稀疏表达,将特征选择问题转化为一个优化问题,数据的流形嵌入和稀疏表达作为约束项加入目标函数。设计了三个目标函数,第一个目标函数描述流形学习的局部性原则,第二个目标函数将原始样本点回归到低维嵌入空间,第三个目标函数对回归系数进行正则化。针对目标函数非凸的问题,用迭代的方法来解这个约束优化问题,给出了解该优化问题的算法。优选特征用于参与后续的分类识别任务。在真实的高光谱数据集上的实验表明,新方法能够提高分类的精度。