基于KPCA和FCM的HJ-1A星遥感数据分类

• 作者: 白杨 赵银娣
• 来源期刊: 国土资源遥感
• 学科: 工学
• 关键词: HJ-1A星 主成分分析(PCA) 核主成分分析(KPCA) 累积贡献率 模糊C均值分类
• 年，卷（期）: 2013,（1）
• 所属期刊栏目: 技术方法
• 页码范围: 71-76
• 分类号: TP751.1
• 语种: 中文
• DOI: 10.6046/gtzyyg.2013.01.13

摘要

为提高对环境与灾害监测预报小卫星1A(HJ-1A)星遥感数据分类的精度,首先将HJ-1A星HSI高光谱数据和CCD多光谱数据进行GS(Gram-Schmidt)融合,然后利用主成分分析法(principal component analysis,PCA)和核主成分分析法(kernel PCA,KPCA)分别对融合后的高光谱图像进行降维处理.KPCA降维时采用高斯、线性和多项式3种核函数,根据特征提取效果评价结果,选择累积贡献率较大的多项式核函数.最后,分别对融合后的高光谱图像、PCA主成分图像和基于多项式核函数的KPCA主成分图像进行模糊C均值分类.实验结果表明,KPCA对融合后高光谱图像的特征提取得到了较好的效果,同时提高了分类精度和效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵银娣	中国矿业大学环境与测绘学院	34	234	9.0	14.0
5	白杨	中国矿业大学环境与测绘学院	5	78	3.0	5.0