Redução de dimensionalidade de imagens hiperespectrais usando um embedding linear local melhorado

Neste artigo, estudamos o Embedding Linear Local (LLE) para redução de dimensionalidade não linear de dados hiperespectrais. Melhoramos o LLE existente em termos de complexidade computacional e consumo de memória ao introduzir uma janela de vizinhança espacial para calcular os k vizinhos mais próximos. O LLE melhorado pode processar imagens hiperespectrais maiores do que o LLE existente e também é mais rápido. Realizamos experimentos de extração de endmembers para avaliar a eficácia dos métodos de redução de dimensionalidade. Os resultados experimentais mostram que o LLE melhorado é superior ao PCA e ao LLE existente na identificação de endmembers. Ele encontra mais endmembers do que o PCA e o LLE existente quando o método de extração de endmembers baseado no Índice de Pureza de Pixel (PPI) é utilizado. Além disso, melhores resultados são obtidos para detecção.