高光谱数据非监督分类的改进独立成分分析方法

• 作者: 李娜 赵慧洁
• 来源期刊: 国土资源遥感
• 学科: 工学
• 关键词: 高光谱遥感 独立成分分析 峭度 非监督分类
• 年，卷（期）: 2011,（2）
• 所属期刊栏目: 技术方法
• 页码范围: 70-74
• 分类号: TP751.1
• 字数: 4332字
• 语种: 中文

摘要

利用数据本身统计特性是实现高光谱数据非监督分类的有效方法之一.针对利用高光谱数据一阶、二阶统计量不能完全表征数据结构的问题,提出了一种基于数据高阶统计特性--峭度的改进独立成分分析方法(Improved Kurtosis-Based Independent Component Analysis,IKICA)的高光谱数据非监督分类方法,并针对利用峭度进行非高斯性度量时对噪声等敏感的问题进行了模型改进.利用同一航带的OMIS高光谱遥感数据对该算法的性能进行了评价,并分别与基于最大似然估计和基于负熵的独立成分分析(ICA)方法进行了性能比较.将该方法应用于PHI获取的方麓茶场航空高光谱数据的非监督分类,结果表明,本文提出的算法明显地提高了运算的收敛速度和鲁棒性,并具有较高的分类精度和较强的抗噪声能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵慧洁	北京航空航天大学仪器科学与光电工程学院	99	856	16.0	25.0
2	李娜	北京航空航天大学仪器科学与光电工程学院	37	187	8.0	12.0