通过共享最近邻的高效聚类方法进行高光谱最佳波段选择

高光谱图像（HSI）具有多个波段，导致相邻波段之间高度相关，因此在进一步分析之前需要找到代表性的子集。为了解决这个问题，波段选择被认为是一种有效的方法，能够去除高光谱图像的冗余波段。最近，提出了许多波段选择方法，但大多数在少量波段中准确性极差，并且需要多次迭代，这不符合波段选择的目的。因此，我们提出了一种基于共享最近邻（SNNC）的高效聚类方法，用于高光谱最佳波段选择，具体贡献如下：(1) 通过共享最近邻获得每个波段的局部密度，更准确地反映局部分布特征；(2) 为了获取包含大量信息的波段子集，以信息熵作为其中一个权重因素；(3) 通过斜率变化设计了一种自动选择最佳波段子集的方法。实验结果表明，与其他方法相比，所提方法具有竞争性的计算时间，并且所选波段在不同数据集上实现了较高的整体分类准确性，特别是在波段数量较少时。