-
题名基于分段行列2D-PCA的高光谱图像数据降维方法
被引量：11
- 1
-
-
作者
张筱晗
杨桄
黄俊华
杨永波
-
机构
空军航空大学
-
出处
《计算机工程》
CAS
CSCD
北大核心
2017年第9期256-262,共7页
-
基金
吉林省教育厅"十二五"科研基金(2015448)
吉林省科技发展计划项目(20140101213JC)
-
文摘
针对传统二维主成分分析(2D-PCA)方法不能直接应用于高光谱图像数据降维的不足,提出一种基于分段行列2D-PCA的降维方法。利用高光谱图像波段间的相关系数进行波段子空间划分,在各子空间内通过旋转构建新的数据模型,以2D-PCA方法提取其行、列主成分信息,经过图像重建得到行、列主成分图像,对各波段子空间的行、列主成分图像进行小波分解,按照不同规则融合低频、高频系数,再通过小波逆变换得到降维后的图像。实验结果表明,与PCA和分段PCA方法相比,该方法在保证降维图像质量的前提下可缩短运算时间,提高高光谱图像的降维效率。
-
关键词
高光谱图像
数据降维
二维主成分分析
波段子空间划分
小波融合
-
Keywords
hyperspectral image
data dimension reduction
2-Dimensional Principal Component Analysis（2D-PCA）
band segment partition
wavelet fusion
-
分类号
TP751
[自动化与计算机技术—检测技术与自动化装置]
-
