采用分段行-列核2DPCA的高光谱图像降维

基金项目: 吉林省教育厅"十二五"科研项目(2015448)%吉林省科技发展计划资助项目(20140101213JC)

详细信息

Dimensionality Reduction for Hyperspectral Image Using a Segmented Row-column Kernel Two-dimensional Principal Component Analysis Method

摘要: 二维主成分方法计算时间少,降维效果好,被成功应用到高光谱图像降维中.基于二维主成分方法,为挖掘高光谱图像的非线性信息,实现了分段行-列核2DPCA方法的降维,并对比分析了行-列2DPCA方法、分段行-列2DPCA方法和行-列核2DPCA方法的降维效果.利用相关性将高光谱图像划分为5个子空间,通过转换数据结构来实现行和列的核2DPCA变换,最后将行和列结果进行融合得到降维结果.降维结果表明,在较高信息保持率情况下,分段行-列核2DPCA方法具有最高的图像清晰度和边缘强度.不同地物像元像素折线图表明,分段行-列核2DPCA方法能更好地区分不同地物,可以很好地应用于地物分类和目标识别.
- 核二维主成分分析 /
- 分段行-列2DPCA /
- 高光谱图像 /
- 数据模型转换 /
- 降维

1.	高永强. 连续小波变换高光谱数据降维挖掘系统设计. 激光杂志. 2020(07): 137-140 . 百度学术
2.	王颖，陈曦. 大数据分析技术的高光谱图像数据库查询策略研究. 激光杂志. 2020(08): 101-104 . 百度学术
3.	何春，郭科. 基于双向2DPCA算法的高分五号卫星图像降维研究. 乐山师范学院学报. 2020(12): 1-7 . 百度学术
4.	杨峰. PCA变换下超光谱图像自适应降维算法仿真. 计算机仿真. 2019(08): 435-438+444 . 百度学术