基于稀疏多流形学习的高光谱遥感图像分类

项目名称： 基于稀疏多流形学习的高光谱遥感图像分类

项目编号： No.41371338

项目类型： 面上项目

立项/批准年度： 2013

项目学科： 天文学、地球科学

项目作者： 黄鸿

作者单位： 重庆大学

项目金额： 75万元

中文摘要： 高光谱图像(HSI)可描述为在低维嵌入空间上的流形，但确切流形结构尚未明确。本课题组发现HSI中存在多个不连续的子集，其内蕴维数亦不同，具有多流形结构。关于面向HSI分类的多流形学习模型，迄今国内外尚无报道。本课题研究目标是在有限标记样本条件下构建半监督多流形聚类模型，实现子流形数据划分，并融合稀疏表示方法，构建稀疏多流形学习模型，发现隐藏在高维HSI中的低维多子流形，并实现多流形分类，为解决HSI分类中的"维数灾难"问题奠定基础，具有理论意义和应用前景。研究内容包括：1)证实HSI中多流形的存在；2)采用流形聚类、半监督学习方法开展半监督多流形聚类研究,确定HSI中子流形的数目，并将数据划分为对应的子流形；3)对各子流形数据进行稀疏表示，然后对各子流形上的稀疏表征数据进行流形建模，实现稀疏鉴别特征提取，并利用新样本在各子流形上重构误差来实现分类，为解决HSI分类问题提供新思路和新方法。

中文关键词： 高光谱遥感；多流形学习；稀疏表示；稀疏多流形；空-谱联合分类

英文摘要： The hyperspectral images(HSI) can be represented on a low dimensional manifold, but the real manifold structure is not clear yet.Our project team found that there are multi-manifold structures in HSI with multiple non-contiguous subsets. There is no repor

英文关键词： Hyperspectral remote sensing；Multi-manifold learning；Sparse representation；Sparse multi-manifold learning；Spatial-spectral combined classification