基于上下文多字典学习的高光谱波段选择

李 飞，卢 湖 川，薄 纯 娟

( 1.大连理工大学 电子信息与电气工程学部，辽宁 大连 116024；2.沈阳航空航天大学 计算机学院，辽宁 沈阳 110136；3.大连民族大学 机电工程学院，辽宁 大连 116600 )

0 引 言

高光谱图像具有很高的光谱分辨率，包含数百个甚至上千个光谱波段．丰富的光谱信息为精确的目标识别和分类应用提供了有利条件[1]．然而，其庞大的数据也带来了数据传输与存储慢、冗余信息多等一系列问题，而且光谱维数的增加使传统图像处理方法不能完全适用于高光谱图像数据．一方面，高光谱图像中存在大量的冗余信息；另一方面，高光谱图像的光谱维数太高，很容易导致维度灾难问题[2-3]．因此，对高光谱图像进行降维处理是很有必要的．

针对高光谱图像的降维方法有两种：一种是特征提取，利用基于某一准则的变换矩阵进行数据变换得到低维光谱数据；另一种是波段选择(也称特征选择)，根据选择准则从原始波段挑选最佳波段子集，以保证光谱物理信息不被破坏．例如，主成分分析(principal component analysis，PCA)、线性判别分析(linear discriminant analysis，LDA)、非参数加权特征提取(non-parametric weighted feature extraction，NWFE)等，这些特征提取方法的处理结果改变了原始波段的物理意义．波段选择是高光谱图像在不进行特征变换的情况下降低波段维数的一种有效方法[4]．根据先验条件现有波段选择方法可以分为两类：有监督波段选择和无监督波段选择．有监督波段选择方法需要样本标签的先验信息，因此受到应用目标的限制[5]．例如，Wei等提出了基于粒子群优化的有监督波段选择算法[6]；……