论文部分内容阅读
高光谱遥感图像由于具有高维性、高度相关性、冗余性等特点，给进一步处理分析带来了挑战。针对这一问题，本文在充分考虑计算复杂度的基础上提出了基于时间序列重要点分析的波段选择方法进行特征降维。该方法将高光谱遥感图像的所有连续波段转换成时间序列进行分析与处理，通过对训练样本进行基于DBI的K-means聚类，再将聚类中心对应的时间序列进行小波滤波，最后提取了重要点作为选择的波段。为了验证本文方法的有效性，对降维后的高光谱图像进行了SVM分类，结果表明基于时间序列重要点分析的波段选择方法能够选择出具有重要信息的波段，降维率高达90％，且基本能够保持原始分类精度甚至更高，同时计算过程简单，计算复杂度较低。