基于优选样本的KPCA高光谱图像降维方法

• 作者: 梁楠 王瀛 郭雷
• 来源期刊: 光子学报
• 学科: 工学
• 关键词: 高光谱图像 核主成份分析 非线性映射 迹 降维
• 年，卷（期）: 2011,（6）
• 所属期刊栏目: 光谱学
• 页码范围: 847-851
• 分类号: TP751.1
• 字数: 4113字
• 语种: 中文
• DOI: 10.3788/gzxb20114006.0847

摘要

降维是高光谱图像常用的预处理手段,而核主成份分析通过非线性映射能够挖掘数据的高阶统计特性,是目前较常使用的特征提取方法.本文提出了一种基于优选样本的核主成份分析高光谱图像降维方法,算法挑选参与核主成份分析运算的样本时兼顾整幅高光谱图像的统计特性,以与全图能量分布相近的最小样本集为最终选择样本.本算法由IDL7.0实现,并在实际高光谱图像Cuprite上进行实验.结果表明,在大幅缩短运算时间的同时,降维效果优于传统的核主成份分析方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭雷	西北工业大学自动化学院	262	2986	27.0	40.0
2	梁楠	西北工业大学自动化学院	11	65	5.0	7.0
3	王瀛	西北工业大学自动化学院	9	44	3.0	6.0