Para abordar o problema de extração de características não lineares efetivamente separáveis quando diferentes objetos e vida selvagem com espectros semelhantes coexistem em imagens hiperespectrais de sensoriamento remoto, propõe-se um critério de alinhamento por pares ponderado por núcleo. Primeiramente, é derivado um critério de análise discriminante linear por núcleo na forma de alinhamento por pares, ou seja, um critério de alinhamento por pares por núcleo, representando as matrizes de dispersão interclasse e intraclasse em forma de alinhamento por pares. Em seguida, é proposto o critério de alinhamento por pares ponderado por núcleo, onde as matrizes de dispersão interclasse e intraclasse para cada par no espaço do núcleo são ponderadas com base na separabilidade de cada par, permitindo que a separabilidade de cada par seja mantida de forma equilibrada no subespaço de características. A eficácia da extração de características é avaliada utilizando classificadores k-vizinhos mais próximos e de distância mínima. Resultados experimentais baseados em duas imagens hiperespectrais reais de sensoriamento remoto mostram que o critério de alinhamento por pares ponderado por núcleo proposto, em comparação com o método do espaço original, a análise discriminante linear por núcleo e o critério Fisher ponderado por pares por núcleo, melhora a taxa geral de reconhecimento de objetos ao aumentar a taxa de reconhecimento de pares com baixa separabilidade durante a redução de dimensionalidade.

análise discriminante linear por núcleo; critério de alinhamento por pares ponderado por núcleo; extração de características; imagens hiperespectrais de sensoriamento remoto