基于流形学习的高光谱遥感图像空间-光谱多特征提取与选择

项目名称： 基于流形学习的高光谱遥感图像空间-光谱多特征提取与选择

项目编号： No.61401317

项目类型： 青年科学基金项目

立项/批准年度： 2014

项目学科： 无线电电子学、电信技术

项目作者： 张乐飞

作者单位： 武汉大学

项目金额： 27万元

中文摘要： 高光谱遥感图像的特征提取与选择，可以消除特征冗余、提高图像的分类精度和效率，对遥感图像自动解译具有重要的研究意义。传统的高光谱遥感图像特征提取与选择工作往往集中在对光谱特征的线性降维，忽略了空间特征在分类中的作用以及样本集的非线性数据结构。为此，本项目拟围绕高光谱遥感图像的空间-光谱多特征的互补性与冗余性，以流形学习方法为研究主线，针对“完全无样本先验信息”、“已知充分的训练样本判别信息”以及“只具有少量样本类别信息”三种不同情况，分别发展稳健、有效的高光谱遥感图像多特征提取与选择方法。主要研究内容包括：非监督多特征流形学习、监督多特征流形学习和半监督多特征流形学习。本课题的研究成果可以用于后续的高光谱遥感图像的智能解译，提高对高光谱遥感图像的地面信息处理能力，在城市规划、军事侦察、环境监测、灾害评估等具有重要的实际应用价值。

中文关键词： 空间-光谱特征；流形学习；特征提取；特征选择；

英文摘要： Feature extraction and selection is an significant step for the automatic interpretation of hyperspectral remote sensing images (HRSI), since it can not only reduce the redundancy among features but also improve the accuracy and efficiency of the subseque

英文关键词： Spatial-Spectral Feature；Manifold Learning；Feature Extraction；Feature Selection；