基于流形学习的高光谱遥感图像空间-光谱多特征提取与选择

Feature extraction and selection is an significant step for the automatic interpretation of hyperspectral remote sensing images (HRSI), since it can not only reduce the redundancy among features but also improve the accuracy and efficiency of the subsequent classification of HRSI. However, traditional approaches of feature extraction and selection in HRSI concentrate on the linear dimensionality reduction of the spectral domain, which ignore the significance of the spatial information and the non-linear data structure of the HRSI. Therefore, focusing on the complementary and redundancy properties of spatial-spectral multiple features, this project proposes to develop efficient and robust HRSI feature extraction and selection algorithms under the framework of manifold learning. Especially, in this project, we will mainly work on unsupervised, supervised, and semi-supervised multi-feature manifold learning in the cases of “without labeled samples”, “with plenty of labeled samples”, and “with few labeled samples”, respectively. The resulted algorithms of the proposed project can be used for follow-up intelligent interpretation of HRSI to improve the ability of information processing at the end of ground, and will have important applications in urban planning, military reconnaissance, environmental monitoring, disaster evaluation, etc.

高光谱遥感图像的特征提取与选择，可以消除特征冗余、提高图像的分类精度和效率，对遥感图像自动解译具有重要的研究意义。传统的高光谱遥感图像特征提取与选择工作往往集中在对光谱特征的线性降维，忽略了空间特征在分类中的作用以及样本集的非线性数据结构。为此，本项目拟围绕高光谱遥感图像的空间-光谱多特征的互补性与冗余性，以流形学习方法为研究主线，针对“完全无样本先验信息”、“已知充分的训练样本判别信息”以及“只具有少量样本类别信息”三种不同情况，分别发展稳健、有效的高光谱遥感图像多特征提取与选择方法。主要研究内容包括：非监督多特征流形学习、监督多特征流形学习和半监督多特征流形学习。本课题的研究成果可以用于后续的高光谱遥感图像的智能解译，提高对高光谱遥感图像的地面信息处理能力，在城市规划、军事侦察、环境监测、灾害评估等具有重要的实际应用价值。

高光谱遥感图像的特征提取与选择，可以消除特征冗余、提高图像的分类精度和效率，对遥感图像自动解译具有重要的研究意义。本项目围绕高光谱遥感图像的空间-光谱多特征的互补性与冗余性，以流形学习方法为研究主线，研究了高光谱遥感图像多特征提取与选择方法。项目提出了组合流形正则化的低秩近似算法、共图与共规则的同时特征选择与提取算法、多域子空间学习算法、高光谱数据的深度学习方法等标志性成果，有效地解决了高光谱遥感图像的空间-光谱多特征降维问题，显著提升了分类精度。项目支持的相关成果发表于国际著名期刊/会议分别为10/7篇，其中2篇代表性成果引起国内外学者广泛关注和讨论，分别入选ESI热点论文和ESI高引论文。本项目的研究成果可以用于后续的高光谱遥感图像的智能解译，提高对高光谱遥感图像的地面信息处理能力，在城市规划、军事侦察、环境监测、灾害评估等具有重要的实际应用价值。