一种基于小波PCA的高光谱图像特征提取新方法

• 作者: 倪国强 徐大琦 沈渊婷
• 来源期刊: 北京理工大学学报
• 学科: 工学
• 关键词: 高光谱 小波分解 主成分分析(PCA) 特征提取 特征降维
• 年，卷（期）: 2007,（7）
• 所属期刊栏目: 光学与电子工程
• 页码范围: 621-624
• 页数: 4页
• 分类号: TP391|O434.19
• 字数: 3575字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-0645.2007.07.014

摘要

针对高光谱图像数据量大、数据维数高、光谱信息丰富的特点,提出一种基于小波分解的主成分分析(PCA)降维的特征提取新方法.该方法充分利用小波变换的优势,在光谱域内针对每个像元进行降维,既减少了数据量,还能保留光谱信号的差别;PCA方法充分利用像元间的相关性,保留不同类在相邻像元间的局部空间信息,弥补了空间域内小波变换类间可分性较差的问题.实验结果表明,小波分解与PCA相结合的特征提取方法能够有效地提高高光谱数据分类效率及分类精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	倪国强	北京理工大学信息科学技术学院光电工程系	203	3505	29.0	52.0
2	沈渊婷	北京理工大学信息科学技术学院光电工程系	4	78	4.0	4.0
3	徐大琦	北京理工大学信息科学技术学院光电工程系	8	140	6.0	8.0