Reducción de dimensionalidad de imágenes hiperespectrales utilizando un embebido lineal local mejorado

En este artículo, estudiamos el Embebido Lineal Local (LLE) para la reducción de dimensionalidad no lineal de datos hiperespectrales. Mejoramos el LLE existente en términos de complejidad computacional y consumo de memoria al introducir una ventana de vecindad espacial para calcular los k vecinos más cercanos. El LLE mejorado puede procesar imágenes hiperespectrales más grandes que el LLE existente y también es más rápido. Realizamos experimentos de extracción de endmiembros para evaluar la efectividad de los métodos de reducción de dimensionalidad. Los resultados experimentales muestran que el LLE mejorado es mejor que PCA y el LLE existente en la identificación de endmiembros. Encuentra más endmiembros que PCA y el LLE existente cuando se utiliza el método de extracción de endmiembros basado en el Índice de Pureza de Píxeles (PPI). Además, se obtienen mejores resultados para la detección.