典型文献
基于近邻子空间划分的高光谱影像波段选择方法
文献摘要：
在降低高光谱遥感影像数据的冗余度方面,波段选择一直是一种有效的方法.近年来,提出了许多用于高光谱波段选择的聚类算法,但大多数算法只有在选择足够多的聚类中心时才能够表现出良好的性能.在选择少量波段时,往往效果很不理想,不能满足实际使用的目的.而且,随着聚类中心数量的增加,大多数波段选择算法的精度存在不同程度的下降趋势.针对当前基于聚类的波段选择方法存在对聚类中心数的强敏感性和选择的特征波段子集高相关性的问题,提出了一种基于近邻子空间划分的波段选择方法(SEASP).该方法主要包括近邻子空间划分和特征波段选取两个步骤.考虑到高光谱波段之间的有序性,SEASP首先计算出相邻波段之间的相关系数,得到相关系数向量.若两个波段之间的相关性在某个区间内最小,即相关系数的变化率在该区间内最大,说明这两个波段在很大概率上不属于同一组,为两个相邻分组之间的分割点.因此,在相关系数向量的基础上,计算出其对应的若干个极小值,通过极小值的选取来确定最终划分的子空间.最后以信息熵为度量标准从划分的子空间中选出特征波段子集.在3个公开数据集的实验结果表明,提出的SEASP算法与其他算法相比,不仅原理简单,而且在精度和计算效率方面,均表现出了更好的效果.
文献关键词：
高光谱波段选择;相关系数;近邻子空间划分;聚类
中图分类号：
作者姓名：
唐厂;王俊
作者机构：
中国地质大学(武汉)计算机学院,武汉 430074
文献出处：
引用格式：
[1]唐厂;王俊-.基于近邻子空间划分的高光谱影像波段选择方法)[J].天津大学学报（自然科学与工程技术版）,2022(03):255-262
A类：
近邻子空间划分,子空间划分,高光谱波段选择,SEASP
B类：
高光谱影像,选择方法,高光谱遥感影像数据,冗余度,聚类算法,数算,聚类中心,心数,选择算法,强敏感,特征波段,段子,子集,有序性,某个,大概,分割点,若干个,极小值,取来,信息熵,度量标准,公开数据集,计算效率
AB值：
0.161696
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
