基于ISOMAP的高光谱遥感数据的降维与分类.pdf

第 42 卷第 10 期 红外与激光工程 2013 年 10 月 Vol.42 No.10 Infrared and Laser Engineering Oct.2013 基于 ISOMAP 的高光谱遥感数据的降维与分类 丁 玲 1,2 ，唐 娉 1 ，李宏益 1 (1． 中国科学院遥 感与数 字地球研究所，北京 100094 ；2 ． 中国科学院大学，北京 100049) 摘 要： 为挖掘 高光谱 遥 感数 据 内在 的非 线性 结构特性，采 用全局 化 流形学 习算法等距 特征 映射 (ISOMAP)对 高光谱遥 感数据进行 非线性 降维 ，并取得了优 于常用的最 小噪声分 离(MNF) 变换 方 法的 结果 ，具 有更好 的数据压 缩性能。将 光谱 角相 似 性度 量方 法用 于 ISOMAP 算法 ，取得 良好的 降维效 果 。通过把 ISOMAP 降维算法和 k- 最邻近分类器相结合 对 降维后子 空间特征进行 分类 ，实验表明： ISOMAP 利 用较 少的特征 维数 获得 比 MNF 更 高的分类精度 ，并达到较 高稳定的分类精度 ，尤其对难 以区分 、光谱相似 的两类别 问题，ISOMAP 的特征 维数能 够有效的提 高两类别的可分性。 关键词： 流形学 习； 等距特征 映射 ； 特征提取 ； 高光谱遥 感数据分类 中图分类号： TP751.1 文献标志码： A 文章编号： 1007-2276(2013)10-2707-05 Dimensionality reduction and classification for hyperspectral remote sensing data using ISOMAP 1,2 1 1 Ding Ling , Tang Ping , Li Hongyi (1 ． Institute of Remote Sensing and Digital Earth, Chinese Academy of Sciences, Beijing 100094, China; 2 ． University of Chinese Academy of Sciences, Beijing 100049, China) Abstract: In order to address intrinsic nonlinearities of hyperspectral remote sensing data, isometric feature mapping (ISOMAP) is the most widely utilized global manifold learning approach for nonlinear dimensionality reduction. In this paper, it was employed to extract the inherent manifold of hyperspectral data and the experimental results show that ISOMAP provides a significantly more compact feature