光谱感知中高光谱数据的特征约
利用二维、三维图象数据中的形态信息和多光谱、高光谱数据中的光谱信息是机器视觉感知中两个非常重要的方面.机器视觉感知中,光谱感知突破了一般视觉感知中可见光的限制,利用反映物体在较宽光谱范围的多种物理特性的光谱特性对其进行识别和理解,具有广泛的应用前景.随着正在形成的空间信息技术学科的发展,光谱感知将成为机器感知中非常重要的发展方向.高光谱数据为光谱感知提供了细致精确的目标光谱信息,但高维数据也对后续分析处理带来很多困难.采用特征约简进行数据降维是解决该难题的重要方法.综述了高光谱数据特征约简方法,并对当前的研究工作进行了总结,重点介绍了作者建立的两种特征约简方法,即基于Bhattacharyya距离准则的核空间特征提取算法和基于特征加权的特征选择算法,用高光谱遥感数据的分类实验证明了方法的有效性.
特征约简 特征提取 特征选择 光谱感知 高光谱数据 机器视觉感知
何明一 黄睿 夏建涛
西北工业大学电子信息学院,陕西省信息获取与处理重点实验室,西安,710072
国内会议
武汉
中文
977-982
2005-09-20（万方平台首次上网日期，不代表论文的发表时间）