基于流形学习的新高光谱图像降维算法

提出了一种新的基于图像块距离的邻域选择方法，并将其应用于流形学习中，得到一类新的高光谱图像非线性降维算法。该类算法利用高光谱图像物理特性，结合图像的光谱信息和空间信息，在最大限度减小图像信息冗余的基础之上，很好地保持了原始数据集的特性。与其它高光谱图像的降维算法相比，改进的流形学习算法不仅考虑到高光谱图像本身的空间关系，而且利用图像块距离更好地保持了数据点之间的局部特性，从而有效地去除原始数据集光谱维和空间维的冗余信息。实际高光谱数据的实验结果表明，所提出的算法在应用于高光谱图像分类时，与其它方法相比具有更高的分类精度。