10.3969/j.issn.1000-386x.2014.06.032
基于核最小噪声分离变换的高光谱遥感影像多类SVM分类
高光谱遥感影像具有高维非线性、数据冗余多、训练样本难以获得等特点.在线性最小噪声分离变换MNF(Minimum NoiseFraction)的基础上,引入核方法,提出核最小噪声分离变换KMNF(Kernel Minimum Noise Fraction)高光谱遥感影像非线性特征提取方法.在KMNF特征提取后的影像上利用多类SVM进行高光谱影像分类,分析数据维数、样本个数对分类结果的影响,并与传统的最小距离分类方法进行对比.发现最小距离分类法存在维数灾难现象,当达到一定的特征维数之后,多类SVM分类方法受维数影响较小,具有一定的抗噪声能力,在一定程度上避免了维数灾难现象;利用多类SVM进行分类时,随着样本数目的减少,合理设置有关参数,高光谱图像的分类能够维持在较高精度;而传统的最小距离分类法当样本数量较小时,效果很差,这说明了SVM小样本分类的优势.
高光谱遥感、核最小噪声分离变换、多类SVM
31
TP751(遥感技术)
国家自然科学基金项目41071265;高等学校博士学科点专项科研基金项目20105122110006;重庆市自然科学基金项目cstc2012jjA40055;国土资源部地学空间信息技术重点实验室开放基金项目KLGSIT2013-03
2014-08-20（万方平台首次上网日期，不代表论文的发表时间）
共4页
116-119
