基于相似性分类的高光谱主成分融合方法比较

朱院院; 高教波; 高泽东; 孙丹丹; 孟合民

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

您当前的位置：

首页 >

文章列表页 >

基于相似性分类的高光谱主成分融合方法比较

信息光学与图像处理 | 更新时间：2025-09-01

- 基于相似性分类的高光谱主成分融合方法比较
- Comparison of principal component fusion method of hyperspectral image based on similarity classification
- 光学技术 2016年42卷第2期页码：97-102
- 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
  中图分类号：
- 纸质出版：2016
- 稿件说明：
移动端阅览
朱院院, 高教波, 高泽东, 等. 基于相似性分类的高光谱主成分融合方法比较[J]. 光学技术, 2016,42(2):97-102.

Comparison of principal component fusion method of hyperspectral image based on similarity classification[J]. 2016, 42(2): 97-102.
朱院院, 高教波, 高泽东, 等. 基于相似性分类的高光谱主成分融合方法比较[J]. 光学技术, 2016,42(2):97-102. DOI： 10.13741/j.cnki.11-1879/o4.2016.02.001.

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

浏览量

156

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于相位方向和尺度的光学、SAR影像自动匹配方法

基于相似性测度和似然模型的血管造影图像分割新方法

新的Cauchy-Schwarz距离函数与多模态医学图像配准

基于相似性分类的高光谱主成分融合方法比较

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

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

摘要

Abstract

关键词

Keywords

references