基于小波核主成分分析的相关向量机高光谱图像分类_赵春晖

《基于小波核主成分分析的相关向量机高光谱图像分类_赵春晖》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第34卷第8期电子与信息学报Vol.34No.82012年8月JournalofElectronics&InformationTechnologyAug.2012基于小波核主成分分析的相关向量机高光谱图像分类*张燚王玉磊赵春晖(哈尔滨工程大学信息与通信工程学院哈尔滨150001)摘要：相关向量机(RVM)高光谱图像分类是一种较新的高光谱图像分类方法，然而算法本身存在对于高维大样本数据训练时间过长、分类精度不高的问题。针对这些问题，该文提出一种基于新型核主成分分析的RVM分类方法。该方法首先将核函数引入到主成分

2、分析中，然后应用小波核函数代替传统核函数，利用小波核函数的多分辨率分析特点，进一步提高核主成分分析(KPCA)非线性映射能力，最终将新型核主成分分析算法与相关向量机相结合，对高光谱图像进行分类。仿真实验结果表明，将所提出的方法应用于AVIRIS美国印第安纳州实验田高光谱数据预处理后，类内类间距离比降低20%，方差整体增幅较大，最终将处理后的数据应用于相关向量机的高光谱图像分类中，分类精度提升3%~5%。关键词：高光谱图像分类；相关向量机；核函数主成分分析；小波核函数中图分类号：TP751.1文献标识码：A文章

3、编号：1009-5896(2012)08-1905-06DOI:10.3724/SP.J.1146.2011.01282RelevantVectorMachineClassificationofHyperspectralImageBasedonWaveletKernelPrincipalComponentAnalysisZhaoChun-huiZhangYiWangYu-lei(CollegeofInformationandCommunicationEngineering,HarbinEngineeringU

4、niversity,Harbin150001,China)Abstract:HyperspectralimageclassificationbytheRelevanceVectorMachine(RVM)isarelativelynewhyperspectralimageclassificationmethod,howeverthismethodexistssomeshortcomingssuchaswhenthesampledataislargeandhighdimension,thetrainingtim

5、ewillbequitlongandtheclassificationaccuracyisnotsogood.Tosolvetheseproblems,thispaperproposesaRVMclassificationmethodbasedonthenewKernelPrincipalComponentAnalysis(KPCA).ThismethodusesthekernelfunctionintothePCAandreplacedthetraditionalkernelfunctionwiththew

6、aveletkernelfunction.Byusingthefeatureofmultiresolutionanalysis,thenewmethodimprovesthenonlinearmappingcapabilityofKPCAandtheexperimentcompletestheRVMhyperspectralimageclassificationbasedonthewaveletkernelfunctionPCA,Andthenthedifferenteffectsofthehyperspec

7、tralimageclassificationbetweenthetraditionalPCAandthewaveletkernelPCAareanalyzedandcompared.TheresultsshowthatbyusingtheWKPCAmethod,theEuclideandistanceofAVIRIShyperspectralimagedatabetweenthedifferentcategoriesandthesamecategoriesislower20%andthevarianceha

8、sbeensharprised.Theclassificationaccuracy,byusingtheRVM,improvesthe3%~5%.Keywords:Hyperspectralimageclassification;RelevantVectorMachine(RVM);KernelPrincipalComponentAnalysis(KPCA);Waveletkernelfunctio