摘要：高光谱影像具有波段数多、冗余度高的特点，因此特征提取成为高光谱影像分类的研究热点。针对此问题，该文提出一种半监督稀疏流形嵌入fSOME）算法，该方法充分利用标记样本和无标记样本，通过基于切空间的稀疏流形表示来自适应地揭示数据间的相似关系，并利用稀疏系数构建一个半监督相似图。在此基础上，增加了图中同类标记样本的权重，然后在低维空间中保持图的相似关系不变，并最小化加权距离和，获得投影矩阵实现特征提取。S3ME方法不仅能揭示数据间的稀疏流形结构，而且增强了同类数据的集聚性，能有效提取出鉴别特征，改善分类效果。该文提出的S3ME方法在PaviaU和Salinas高光谱数据集上的总体分类精度分别达到84．62％和88．07％，相比传统特征提取方法提升了地物分类性能。

关键词：高光谱数据 特征提取 半监督学习 稀疏流形嵌入 

单位：重庆大学光电技术及系统教育部重点实验室; 重庆400044