高光谱遥感图像确定选择特征的算法有哪些

（1)单独选择法

根据可分性准则函数计算每一个特征的可分性，然后根据各个特征的可分性大小排序，选择可分性最大的前m个特征。

(2）扩充最优特征子集

这种方法的基本步骤是:第一，根据类别可分性准则函数计算每一个特征对于所有类别的可分性，选择可分性最大的那一个特征进入最优特征子集；第二，增加一个特征，与最优特征子集中的特征形成新的组合，并计算新的特征组合的可分性，选择可分性最大的特征组合作为新的最优特征子集；第三，重复执行第二步，直到最优特征子集中的特征数达到m个为止。

(3）根据分类贡献度进行由大到小的特征排序

这种方法的基本步骤是:第一，根据类别可分性函数计算每一个类对的可分性，找出最难分的类对；第二，计算各个特征对于最难分的类对的可分性，挑选可分性最大的特征进人最优特征子集；第三，增加一个特征，与最优特征子集中的特征形成新的组合，并计算新的特征组合对于最难分的类对的可分性，选择可分性最大的特征组合作为新的最优特征子集；第四，重复执行第三步，直到最优特征子集中的特征数达到m个为止。

(4）根据分类贡献度进行由小到大的特征去除

这种方法的基本步骤是:第一，根据类别可分性函数计算每一个类对的可分性，找出最难分的类对；第二，计算各个特征对于最难分的类对的可分性，去掉可分性最小的特征，剩下的特征作为最优特征子集；第三，从最优特征子集任意少一个特征，作为新的特征组合，并计算新的特征组合对于最难分的类对的可性，选择可分性最大的特征组合作为新的最优特征子集；第四，重复执行第三步直到最优特征子集中的特征数达到m个为止。