论文部分内容阅读
高光谱遥感图像中含有相当丰富的空间-光谱特征信息,为地物的精细识别与分类带来了新的机遇。然而,超高的空间-光谱分别率也带来了数据量大、冗余度高、波段数多且相关性强等问题,若直接对其进行地物分类,极易产生“维数灾难”问题。因此,如何从原始高光谱图像中挖掘出有用的鉴别特征,在减少运算量的同时,提高地物分类精度,是一个亟待解决的问题。本文以高光谱图像数据具有非线性结构为切入点,主要从流形学习和空-谱联合的角度对图像的特征提取及分类算法进行深入研究。主要研究工作如下:(1)分别从全局线性、非线性流形学习以及