使用低邻域表示和邻域保留正则化的高光谱图像特征提取

高光谱图像(HSI)通常包含数百个光谱带。 当它们用于分类任务时,HSI可能会遭受高维度的诅咒。 为了解决这个问题,采用了尺寸缩减和特征提取(FE)的基本程序。 在这封信中,我们提出了一种使用低秩表示和邻域保留正则化(LRR_NP)的HSI的有限元方法。 所提出的方法可以同时采用局部空间相似性和频谱空间结构,该结构包括多个低秩子空间的并集。 LRR的框架可以在结构上表示光谱空间的并集结构。 由于空间相邻像素在特征空间中总是共享高度相似性,因此将NP正则项引入LRR框架以考虑局部空间相关性。 分类实验是在真实的HSI数据集上进行的; 结果表明,由LRR_NP提取的特征比包括无监督方法和受监督方法在内的最新方法更具区分性。