结合KPCA和分形维提取高光谱遥感影像特征的方法Extraction of hyperspectral RS image feature with KPCA and fractal dimension
沈照庆,黄亮,陶建斌
摘要(Abstract)：
本文将KPCA和分形维有机结合,进行高光谱影像特征提取,实现优势互补:选择合适的核函数和分形维计算方法,设计了3种组合算法,优化了特征提取效果,并对AVIRIS实验结果进行了分析评价,结果显示在相同条件下,SVM的分类精度要高于其他分类算法,KPCA+Fractal特征提取更有利于地物的分类识别。
关键词(KeyWords)： 高光谱遥感影像;核函数;核PCA;分形维;特征提取
基金项目(Foundation): 国家重点基础研究发展计划(973)项目“对地观测数据-空间信息-地学知识的转化机理”资助项目(2006CB701303);; 中央高校基本科研业务专项资金项目“基于SVM高光谱影像道路提取与分析研究”(CHD2011JC011)
作者(Author): 沈照庆,黄亮,陶建斌
DOI: 10.16251/j.cnki.1009-2307.2012.05.024
参考文献(References)：
- [1]苏俊英.分形测度在高光谱遥感影像中的应用方法研究:博士论文[D].武汉:武汉大学,2008-5.
- [2]童庆禧,张兵,郑兰芬.高光谱遥感-原理、技术与应用[M].北京:高等教育出版社,2006-6.
- [3]Scholkopf B,Smola A,Muller K..Nonlinear component a-nalysis as a kernel eigenvalue problem[J].Neural Com-putation,1998,10(5):1299-1319.
- [4]潘金贵.分形艺术程序设计[M].南京:南京大学出版社,1998.
- [5]Pentlend P.Fractal-based description of natural scene[C]//IEEE Trans.PAMI,1984,6(6):661-674.
- [6]Peleg S,Narorand J,Hartley R.Multiple resolution textureanalysis and classification[C]//IEEE Trans.PAMI,1984,6(4):518-523.
- [7]李洁,朱金兆,朱清科.分形维数计算方法研究进展[J].北京林业大学学报,2002.24(2):71-78.
- [8]舒宁.卫星遥感影像纹理分析和分形分维方法[J].武汉测绘科技大学学报,1998,23(4):370-373.
- [9]周子勇,李朝阳.高光谱遥感数据光谱曲线分形特征研究[J].中北大学学报,2005,26(6):451-454.
- [10]张涛,杨志标,黄爱民.一种改进的遥感图像分形维数提取算法[J].军械工程学院学报,2006,18(5).