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.	杨娅娅，张艳，赵坚. 太赫兹技术在农作物品质检测中的研究进展. 应用激光. 2024(01): 109-118 . 百度学术
2.	屈薇薇，李欣宇，邓琥，邱义敏，刘耀文. 基于THz-TOF的塑料管材厚度测量方法. 西南科技大学学报. 2023(02): 92-96 . 百度学术
3.	刘祚时，周继雯，俞跃，李伟，叶超，唐大为. 油气管道聚乙烯层粘接缺陷的红外热成像检测方法和信号增强技术研究. 中国测试. 2019(11): 1-8 . 百度学术