ハイパースペクトル画像に含まれる空間・スペクトル特徴を十分に活用するために、半教師あり空間・スペクトル局所判別分析に基づくハイパースペクトル画像特徴抽出アルゴリズム（S₄LFDA）を提案した。ハイパースペクトルデータセットは空間的一致性を持つため、まず画素を空間的に再構築し、高スペクトルデータの近傍関係を保持した。次に、スペクトル情報の散度を導入し、画素間の類似度を再構築した。多数のラベルなしサンプルを活用してアルゴリズムの性能を向上させるために、ファジィC平均クラスタリングアルゴリズムを用いてサンプルのクラスタリングを行い、擬似ラベルを取得した。さらに、正則化項を局所力指向アルゴリズム（FDA）のクラス内散布行列およびクラス間散布行列に追加し、ラベルなしサンプルのクラスタ構造の一貫性を保持した。最後に、局所FDAアルゴリズムによりラベル付きサンプルのクラス間散布の最大化とクラス内散布の最小化を維持し、最適な射影ベクトルを求めた。S₄LFDAアルゴリズムはデータセットのスペクトル領域での分離可能性を保持するとともに、画素の空間領域内の近傍関係も維持し、有ラベルサンプルおよび無ラベルサンプルを合理的に活用してアルゴリズムの分類性能を向上させた。Pavia UniversityおよびIndian Pinesのデータセットで実験を行い、全体の分類精度はそれぞれ95.60%および94.38%に達した。他の次元削減アルゴリズムと比較して、本アルゴリズムは地物分類性能を効果的に向上させた。

ハイパースペクトル画像;半教師あり;空間・スペクトル;判別分析;特徴抽出;地物分類