高级检索
ENGLISH

采用分段行-列核2DPCA的高光谱图像降维

向英杰, 杨桄, 张俭峰, 王琪

向英杰, 杨桄, 张俭峰, 王琪. 采用分段行-列核2DPCA的高光谱图像降维[J]. 红外技术, 2017, 39(12): 1107-1113.
引用本文: 向英杰, 杨桄, 张俭峰, 王琪. 采用分段行-列核2DPCA的高光谱图像降维[J]. 红外技术, 2017, 39(12): 1107-1113.
shu
XIANG Yingjie, YANG Guang, ZHANG Jianfeng, WANG Qi. Dimensionality Reduction for Hyperspectral Image Using a Segmented Row-column Kernel Two-dimensional Principal Component Analysis Method[J]. Infrared Technology , 2017, 39(12): 1107-1113.
Citation: XIANG Yingjie, YANG Guang, ZHANG Jianfeng, WANG Qi. Dimensionality Reduction for Hyperspectral Image Using a Segmented Row-column Kernel Two-dimensional Principal Component Analysis Method[J]. Infrared Technology , 2017, 39(12): 1107-1113.
shu

采用分段行-列核2DPCA的高光谱图像降维

  • 空军航空大学,吉林长春,130000

  • 空军(航空大学)创新理论研究中心

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

  • 中图分类号: TP751.1

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

摘要

    摘要
  • 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.
    • HTML全文
    • 参考文献(0)
    • 相关文章
    • 施引文献
    • 资源附件(0)
计量
  • 文章访问数:  111
  • HTML全文浏览量:  32
  • PDF下载量:  9
  • 被引次数: 0
出版历程

目录

摘要
HTML全文
    参考文献(0)
    相关文章
    施引文献
    资源附件(0)

    /

    返回文章
    返回

    版权所有 © 《红外技术》编辑部京ICP备000000000号-1

    本系统由 北京仁和汇智信息技术有限公司 开发  百度统计

    x 关闭 永久关闭

    尊敬的专家、作者、读者：

    端午节期间因系统维护，《红外技术》网站（hwjs.nvir.cn）将于2024年6月7日20:00-6月10日关闭。关闭期间，您将暂时无法访问《红外技术》网站和登录投审稿系统，给您带来不便敬请谅解！

    预计6月11日正常恢复《红外技术》网站及投审稿系统的服务。您如有任何问题，可发送邮件至编辑部邮箱（irtek@china.com）与我们联系。

    感谢您对本刊的支持！

    《红外技术》编辑部

    2024年6月6日