基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
传统的高光谱端元提取算法一般是在高维的光谱特征空间中进行运算,并且图像的全部像元都参与算法,因此运算量偏大,运算效率较低。提出了一种光谱角特征空间的概念,利用图像的空间信息辅助端元提取。图像的全部像元都可以映射到8维的光谱角特征空间中,样本点在特征空间中距离原点的远近表征了其在图像中的位置是否为地物区块的边缘,利用这点可以对高光谱图像进行空间分割。在分割后的每个子块图像内部只选取少数“最纯”像元参与端元提取算法,从而大大降低了端元提取的计算复杂度。
推荐文章
面向混合像元分解的光谱维小波特征提取
小波变换
混合像元
光谱特征
高光谱
基于分块颜色核特征的图像检索方法
颜色特征
图像检索
重叠分块
核函数
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
基于面向对象的多端元光谱混合分析方法
面向对象
多端元光谱混合分析
TM遥感影像
影像分类
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 面向端元提取的光谱角特征空间图像分块方法
来源期刊 测绘科学技术学报 学科 地球科学
关键词 高光谱 混合像元 光谱分解 端元 光谱角
年,卷(期) 2014,(5) 所属期刊栏目
研究方向 页码范围 492-495
页数 4页 分类号 P237
字数 3127字 语种 中文
DOI 10.3969/j.issn.1673-6338.2014.05.011
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 谢承旺 华东交通大学软件学院 33 403 9.0 19.0
2 王彩玲 西安石油大学计算机学院 23 90 5.0 7.0
3 蔡体健 华东交通大学信息工程学院 20 92 5.0 8.0
4 徐君 华东交通大学信息工程学院 18 78 5.0 7.0
5 徐富红 华东交通大学计划财务处 3 13 2.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (16)
共引文献  (25)
参考文献  (10)
节点文献
引证文献  (5)
同被引文献  (13)
二级引证文献  (3)
1992(1)
  • 参考文献(1)
  • 二级参考文献(0)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(2)
  • 参考文献(1)
  • 二级参考文献(1)
2004(4)
  • 参考文献(1)
  • 二级参考文献(3)
2005(2)
  • 参考文献(1)
  • 二级参考文献(1)
2006(4)
  • 参考文献(1)
  • 二级参考文献(3)
2007(2)
  • 参考文献(0)
  • 二级参考文献(2)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(1)
  • 参考文献(0)
  • 二级参考文献(1)
2012(3)
  • 参考文献(2)
  • 二级参考文献(1)
2013(2)
  • 参考文献(2)
  • 二级参考文献(0)
2014(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)
2015(1)
  • 引证文献(1)
  • 二级引证文献(0)
2017(2)
  • 引证文献(2)
  • 二级引证文献(0)
2018(2)
  • 引证文献(1)
  • 二级引证文献(1)
2019(3)
  • 引证文献(1)
  • 二级引证文献(2)
研究主题发展历程
节点文献
高光谱
混合像元
光谱分解
端元
光谱角
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
测绘科学技术学报
双月刊
1673-6338
41-1385/P
大16开
河南省郑州市陇海中路66号
36-391
1984
chi
出版文献量(篇)
2536
总下载数(次)
9
总被引数(次)
23241
论文1v1指导