基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
一个光谱数据集可以表示成几个主要光谱成分的线性组合.主成分分析法(PCA)是提取光谱数据集的主要成分的常用方法.近年来,有研究人员用独立成分分析法(ICA)提取光谱数据集的独立成分,进而实现光谱数据压缩.文章分别使用ICA和PCA对50例Munsell色卡的光谱反射比和50例桦树叶的光谱反射比进行特征光谱的提取.利用多光谱成像技术和光谱重建算法,采用三组滤光片,每组分别为2、3和4片,选取3-15维子空间,重建了150例Munsell色卡和150例桦树叶的光谱反射比.重建结果用CIELAB1976色差和光谱重建误差来评价.在150例桦树叶光谱重建中,ICA的重建结果明显好于PCA的重建结果;而150例Munsell色卡用ICA和PCA重建结果相差不大.最后,根据重建结果,对子空间维数、滤光片数与重建色差和误差的关系作了分析.
推荐文章
混合PCA/ICA与JPEG2000结合的高光谱图像压缩
高光谱图像压缩
主成分分析
独立成分分析
JPEG2000
应用PCA和ICA法对岩心光谱的定量解译
PCA
ICA
岩心光谱
混合像元分离
丰度反演
基于PCA和ICA的人脸识别
主成分分析
独立成分分析
人脸识别
特征脸
独立影像基
结合纯像元提取和ICA的高光谱降维方法
高光谱降维
高光谱线性模型
独立分量分析
虚拟维数
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 光谱重建中ICA和PCA的对比
来源期刊 云南师范大学学报(自然科学版) 学科 物理学
关键词 主成分分析 独立成分分析 光谱重建
年,卷(期) 2007,(3) 所属期刊栏目 物理学
研究方向 页码范围 28-35
页数 8页 分类号 O432.3
字数 2825字 语种 中文
DOI 10.3969/j.issn.1007-9793.2007.03.007
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (9)
同被引文献  (11)
二级引证文献  (1)
2007(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2009(1)
  • 引证文献(1)
  • 二级引证文献(0)
2013(1)
  • 引证文献(1)
  • 二级引证文献(0)
2014(1)
  • 引证文献(1)
  • 二级引证文献(0)
2015(1)
  • 引证文献(1)
  • 二级引证文献(0)
2016(2)
  • 引证文献(1)
  • 二级引证文献(1)
2018(3)
  • 引证文献(3)
  • 二级引证文献(0)
2019(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
主成分分析
独立成分分析
光谱重建
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
云南师范大学学报(自然科学版)
双月刊
1007-9793
53-1046/N
大16开
云南昆明市一二一大街298号
64-74
1958
chi
出版文献量(篇)
2229
总下载数(次)
5
总被引数(次)
10561
相关基金
云南省自然科学基金
英文译名:
官方网址:
项目类型:面上项目
学科类型:
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导