ATRMME：一种基于张量环的特征提取方法，用于在噪声标签下的高光谱遥感图像分类

《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》：ATRMME: A Tensor Ring-based Feature Extraction Method for Hyperspectral Remote Sensing Image Classification under Noisy Labels

　　

摘要：

从高光谱遥感图像（HSIs）中提取简洁且具有区分性的特征对于土地覆盖分类任务具有重要意义。然而，复杂的空间-光谱张量结构和不准确的类别标签降低了现有基于向量或Tucker张量的特征降维（DR）方法的性能。为了解决这个问题，我们提出了一种自适应张量环流形保持嵌入（ATRMME）方法，用于在存在噪声标签的情况下对HSI特征进行降维。首先，建立了一种张量环子空间表示理论来描述低维高光谱张量子空间。为了从复杂的空间-光谱数据中提取简洁的特征，与现有的基于Tucker的DR方法不同（这些方法涉及大量的参数开销），我们设计了一种基于核范数的张量环（TR）特征表示项。该项能够在低维子空间内以线性参数成本压缩关键特征。为了在噪声标签下自适应地感知和捕获流形结构，构建了一个自适应邻接矩阵，并根据TR特征分布重新组织邻接关系。为了保证模型训练的有效执行，开发了一种交替优化算法来进行参数估计。在多个高光谱数据集上的实验结果表明，ATRMME方法对噪声标签具有很强的鲁棒性，性能优于传统的基于向量和Tucker张量的方法，并且参数需求更低。