| 基于相似性分类的高光谱主成分融合方法比较 |
| |
| 引用本文： | 朱院院,高教波,高泽东,孙丹丹,孟合民.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(2):97-102. |
| |
| 作者姓名： | 朱院院 高教波 高泽东 孙丹丹 孟合民 |
| |
| 作者单位： | 西安应用光学研究所,陕西西安,710065 |
| |
| 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。
|
| 关 键 词： | 主成分变换 相似性测度 像素分类 光谱图像融合 |
Comparison of principal component fusion method of hyperspectral image based on similarity classification |
| |
| Abstract: | |
| |
| Keywords: | principal component analysis (PCA) similarity measures pixel classification spectral image fusion |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
