原文服务方: 计算机应用研究       
摘要:
为了解决当前PCA算法对星载高光谱图像光谱维特征提取速度无法满足空间应用实时性要求的问题,提出了一种面向空间应用的FPGA器件的光谱维特征提取的实现方法.该方法利用时分复用与并行流水计算技术对systolic结构进行了改进,使用高带宽的寄存器组代替了传统的RAM存储区,对数据进行中间寄存,不但保留了原算法结构的高速性,而且大大降低了芯片的使用面积.实验结果表明,该方法可以快速提取高光谱图像的光谱维特征值,为高光谱图像降维和压缩的工程应用提供了支撑.
推荐文章
高光谱图像的特征提取与特征选择研究
高光谱图像
特征提取
特征选择
主成分分析
最小噪声分离
独立成分分析
核主成分分析
投影寻踪
加权FCM原型空间特征提取的高光谱图像分类
特征提取
加权FCM
数据分类
高光谱遥感数据光谱特征提取算法与分类研究
高光谱
光谱特征
特征提取
地物识别
空谱特征分层融合的高光谱图像特征提取
空谱特征
分层融合
分层融合-主成分分析
高光谱图像分类
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 一种星载高光谱图像特征提取算法的实现
来源期刊 计算机应用研究 学科
关键词 高光谱 现场可编程门阵列 主成分分析 奇异值分解 并行流水
年,卷(期) 2011,(10) 所属期刊栏目 图形图像技术
研究方向 页码范围 3910-3912,3916
页数 分类号 TP302.2
字数 语种 中文
DOI 10.3969/j.issn.1001-3695.2011.10.085
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 张善从 中国科学院光电研究院 42 303 10.0 14.0
2 毕文敬 中国科学院光电研究院 1 3 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (18)
共引文献  (136)
参考文献  (4)
节点文献
引证文献  (3)
同被引文献  (5)
二级引证文献  (0)
1933(1)
  • 参考文献(0)
  • 二级参考文献(1)
1986(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(2)
  • 参考文献(0)
  • 二级参考文献(2)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(5)
  • 参考文献(0)
  • 二级参考文献(5)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(2)
  • 参考文献(1)
  • 二级参考文献(1)
2007(2)
  • 参考文献(1)
  • 二级参考文献(1)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(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)
2013(1)
  • 引证文献(1)
  • 二级引证文献(0)
2018(1)
  • 引证文献(1)
  • 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
高光谱
现场可编程门阵列
主成分分析
奇异值分解
并行流水
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
计算机应用研究
月刊
1001-3695
51-1196/TP
大16开
1984-01-01
chi
出版文献量(篇)
21004
总下载数(次)
0
总被引数(次)
238385
论文1v1指导