Нелинейное снижение размерности гиперспектральных изображений с использованием спектральных углов и учетом пространственного контекста

Abstract

В работе предлагается нелинейный метод снижения размерности гиперспектральных изображений. Отличительной особенностью предложенного метода является использование спектральных углов в исходном гиперспектральном пространстве в качестве меры рассогласования между отсчетами изображения, а также учет пространственного контекста пикселей гиперспектрального изображения. Проведенные в работе эксперименты, выполненные на открытом наборе гиперспектральных данных, показали преимущество разработанного метода перед базовыми нелинейными методами снижения размерности и линейным методом главных компонент. A nonlinear method for the dimensionality reduction of hyperspectral images is proposed in this paper. A special feature of the proposed method is the use of spectral angles in the initial hyperspectral space as a dissimilarity measure between pixels of an image, as well as taking into account the spatial context of the hyperspectral image pixels. A well-known hyperspectral image datased was used in the experiments. The experiments showed the advantage of the developed method over the basic nonlinear dimensionality reduction methods and the linear principal component analysis technique.