Comparison of principal component fusion method of hyperspectral image based on similarity classification

doi:10.13741/j.cnki.11-1879/o4.2016.02.001

您当前的位置：

首页 >

文章列表页 >

Comparison of principal component fusion method of hyperspectral image based on similarity classification

更新时间：2025-09-01

- Comparison of principal component fusion method of hyperspectral image based on similarity classification
- Vol. 42, Issue 2, Pages: 97-102(2016)
- 作者机构：
  
  1:西安应用光学研究所
- 作者简介：
- 基金信息：
- DOI：10.13741/j.cnki.11-1879/o4.2016.02.001
  CLC：
- Published：2016
- 稿件说明：
移动端阅览
Comparison of principal component fusion method of hyperspectral image based on similarity classification[J]. 2016, 42(2): 97-102.
DOI：

Comparison of principal component fusion method of hyperspectral image based on similarity classification[J]. 2016, 42(2): 97-102. DOI： 10.13741/j.cnki.11-1879/o4.2016.02.001.

摘要

为了提高复杂场景弱小目标高光谱融合图像的质量

提出了基于相似性分类的主成分融合方法。光谱数据像素向量的相似性测度分类产生类矩阵

通过由类矩阵主成分变换的降维投影矩阵来投影变换原有光谱数据

获得降维数据矩阵。对比了传统PCA与基于欧式距离分类的PCA(ED_PCA)、基于光谱角分类的PCA(SA_PCA)、基于光谱信息散度分类的PCA(SID_PCA)和基于正交投影散度分类的PCA(OPD_PCA)四种改进方法的融合性能。实验结果表明:SA_PCA和SID_PCA方法兼具了ED_PCA和OPD_PCA的优点

对比度提升较好

阈值参数不敏感

运行时间较短。

Abstract

关键词

Keywords

references

Views

156

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Auto registration method of optical and SAR image based on phase direction and scale

Extracting blood vessel from X-ray angiogram based on Bayesian tracking model

Novel divergence measure based on Cauchy-Schwarz for multimodal medical image registration

Related Author

李泽一

张海涛

黄翊航

吕守业

吴正升

郑美

贾冬焱

周寿军

Related Institution

1:清华大学精密仪器系

2:清华大学光子测控技术教育部重点实验室

3:北京市遥感信息研究所

1:南方医科大学生物医学工程学院

2:北京理工大学信息科学技术学院

⁰