基于子空间中主成分最优线性预测的高光谱波段选择
文献类型:期刊论文
作者 | 吴一全1,2; 周杨1; 盛东慧1; 叶骁来1 |
刊名 | 红外与毫米波学报
![]() |
出版日期 | 2018-02-01 |
卷号 | 37期号:1页码:119-128 |
关键词 | 遥感 高光谱图像 波段选择 主成分 线性预测 子空间追踪 谱聚类 |
ISSN号 | 10019014 |
DOI | 10.11972/j.issn.1001-9014.2018.01.21 |
其他题名 | Band selection of hyperspectral image based on optimal linear prediction of principal components in subspace |
产权排序 | 1 |
英文摘要 | 针对高光谱遥感图像的异常检测问题,为了使高光谱降维数据能更完整地保留其光谱信息,提出了基于子空间中主成分最优线性预测的波段选择方法.采用改进相关性度量的谱聚类方法将高光谱波段划分为不同的子空间,并对各子空间中的波段进行主成分分析(PCA),选择主要分量作为重构目标;以子空间追踪法为搜索策略,从各子空间中选择数个波段对其重构目标进行联合最优线性预测;合并各子空间中的所选波段得到最佳波段子集.实验结果表明,该方法选择的波段子集可以较完整地重构原始数据,与原始数据以及自适应波段选择(ABS)方法、线性预测(LP)方法、最大方差主成分分析(MVPCA)方法、自相关矩阵波段选择(ACMBS)方法、组合因子最优波段选择(OCFBS)方法得到的波段子集相比,其波段子集具有更好的异常检测性能. |
WOS研究方向 | Optics |
语种 | 中文 |
WOS记录号 | WOS:000430645900021 |
出版者 | 中国光学学会 |
源URL | [http://ir.opt.ac.cn/handle/181661/30542] ![]() |
专题 | 西安光学精密机械研究所_光学影像学习与分析中心 |
通讯作者 | 吴一全 |
作者单位 | 1.南京航空航天大学电子信息工程学院; 2.中国科学院西安光学精密机械研究所中科院光谱成像技术重点实验室 |
推荐引用方式 GB/T 7714 | 吴一全,周杨,盛东慧,等. 基于子空间中主成分最优线性预测的高光谱波段选择[J]. 红外与毫米波学报,2018,37(1):119-128. |
APA | 吴一全,周杨,盛东慧,&叶骁来.(2018).基于子空间中主成分最优线性预测的高光谱波段选择.红外与毫米波学报,37(1),119-128. |
MLA | 吴一全,et al."基于子空间中主成分最优线性预测的高光谱波段选择".红外与毫米波学报 37.1(2018):119-128. |
入库方式: OAI收割
来源:西安光学精密机械研究所
浏览0
下载0
收藏0
其他版本
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。