测绘科学

2014, v.39;No.193(07) 126-130

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

一种改进的K2DPCA高光谱遥感图像降维方法
Hyperspectral remote sensing image dimensional reduction based on improved Kernel Two-dimensional Principal Component Analysis

白杨;赵银娣;韩天庆;

摘要(Abstract):

本文提出了一种改进的核二维主成分分析(K2DPCA)高光谱遥感图像降维方法,该方法通过标准核二维主成分分析消除了遥感图像各波段列间的相关性,利用列二维主成分分析在核二维主成分的行方向上进一步去除相关性,实现了遥感图像在空间维上的双向降维,并得到各波段的主成分,重建原始图像。采用AVIRIS和HyMap两种高光谱遥感图像进行试验,结果表明该方法在保证重构图像质量的同时,能够有效提高图像压缩比,在遥感图像降维中具有普适性。

关键词(KeyWords): 二维主成分分析;核二维主成分分析;信息保持率;图像降维;图像重构

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金(40901221,41001312);; 中国博士后科学基金(20090450182);; 江苏省普通高校研究生科研创新计划项目(CXLX12_0955);; 江苏高校优势学科建设工程项目(SZBF2011-6-B35)

作者(Author): 白杨;赵银娣;韩天庆;

Email:

DOI: 10.16251/j.cnki.1009-2307.2014.07.035

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享