如何根据高光谱图像数据提取其空间特征？

Posted 2023-03-25

想要实现结合光谱特征和空间信息对高光谱图像进行分类，但是不知道怎么提取空间特征。我现在有一个Indian pines 的数据集。

特征提取和特征选择是模式识别的关键问题之一，它影响到分类器的设计及其性能．高光谱图像数据

是超高维多特征数据集，如何实现高维特征空间的特征压缩和特征提取是一个重要课题．基于高光谱图像谱图合一、数据维度高的数据结构特点，该文从光谱和图像两个层面分别综述了主成分分析、最小噪声分离、独立成分分

析等光谱特征提取方法以及基于颜色、纹理、形状等图像特征提取方法．还详细介绍了核主成分分析和投影寻踪方

法这两种高光谱特征提取新方法，并给出了以上方法的应用实例．特征提取和特征选择的研究将为后续的高光谱图 参考技术A Abstract: Feature extraction is quite valuable for the mining and utilization ofvalid information in hyperspectral re- mote-sensing imaging and the increase ofsubsequent classified applications, For improving the dimension reduction
effect,a subspace-modulated kernel principal component analysis ( SM-KPCA ) method is proposed, With this method,the grouping natures ofhyperspectral data are integrated into a uniform kernel method framework and a subspacemodulated kernel is constructed,SMK( subspacemodulated kernel)achieves a sparse modulation on the --
spectral waveband by means offeature grouping; in addition,it is a data-adaptive kernel for measuring the nonlin- ear similarities among the hyperspectral data specimens, With the proposed method,AVI,IS( airborne visible infra- red imaging spectrometer) real hyperspectral imaging is applied for evaluation,Additionally,this method is com- pared with the conventional kernel method and the spectrally weighted kernel method,The experimental result 参考技术B 有生有忧，无生无虑 参考技术C 特征提取和特征选择是模式识别的关键问题之一，它影响到分类器的设计及其性能．高光谱图像数据 是超高维多特征数据集，如何实现高维特征空间的特征压缩和特征提取是一个重要课题．基于高光谱图像谱图合一、数据维度高的数据结构特点，该文从光谱和图像两个层面分别综述了主成分分析、最小噪声分离、独立成分分 析等光谱特征提取方法以及基于颜色、纹理、形状等图像特征提取方法．还详细介绍了核主成分分析和投影寻踪方 法这两种高光谱特征提取新方法，并给出了以上方法的应用实例．特征提取和特征选择的研究将为后续的高光谱图 参考技术D 齿距贵天天干活付费通一u好v过太丰富与u给v方法关于uu陈学冬发个工号i胡u饭费就广告费班级聚会准备换手机啊还不睡vv吧i地点不变上班时间次饭基地i还能海帝大世界死阿胶额好吧合计的水鱼