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:
针对光谱反射率重建中已有样本选取方法的不足,提出了一种基于核模糊C聚类的样本优化选取方法.该方法综合考虑了光谱反射率空间的广泛性和色度空间的相似性,较大程度满足了光谱重建的精度.首先采用已有样本选取法在光谱反射率空间选取C个样本作为聚类初始点,再将原光谱转化到色度空间进行聚类,同时引入核函数将二维色度空间映射到三维特征空间,使得特征数据线性可分,从而达到更好的划分效果.实验结果表明,使用该方法选取训练样本进行光谱反射率重建能够进一步提高光谱重建精度,色度评价和光谱评价结果均好于已有方法.
推荐文章
基于颜色属性的光谱重建训练样本正交优化
训练样本
颜色三属性
正交试验
光谱重建
基于流形学习的多光谱优化波段选择算法研究
多光谱
波段选择
降维
流形学习
DLA算法
特征
权值
贡献率
基于帧间预测和联合优化的干涉多光谱图像压缩感知重建算法
干涉多光谱图像
压缩感知
信号重建
帧间预测
联合优化
基于改进的样本预选取的高光谱影像半监督分类
高光谱影像
未标记样本预选取
KFCM聚类算法
SVM
半监督分类
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 基于样本优化选取的光谱重建方法研究
来源期刊 影像科学与光化学 学科
关键词 光谱学 核模糊C聚类 样本选取 光谱重建
年,卷(期) 2017,(1) 所属期刊栏目 应用与发展
研究方向 页码范围 88-96
页数 9页 分类号
字数 4967字 语种 中文
DOI 10.7517/j.issn.1674-0475.2017.01.088
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 王慧琴 西安建筑科技大学信息与控制工程学院 128 1203 18.0 29.0
5 王可 西安建筑科技大学信息与控制工程学院 24 56 5.0 6.0
9 赵素文 西安建筑科技大学信息与控制工程学院 5 17 2.0 4.0
10 龙艳群 西安建筑科技大学信息与控制工程学院 5 12 2.0 3.0
11 王展 2 9 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (28)
共引文献  (32)
参考文献  (12)
节点文献
引证文献  (7)
同被引文献  (31)
二级引证文献  (5)
1958(1)
  • 参考文献(0)
  • 二级参考文献(1)
1982(1)
  • 参考文献(0)
  • 二级参考文献(1)
1985(1)
  • 参考文献(0)
  • 二级参考文献(1)
1986(1)
  • 参考文献(1)
  • 二级参考文献(0)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(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)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(4)
  • 参考文献(2)
  • 二级参考文献(2)
2007(4)
  • 参考文献(1)
  • 二级参考文献(3)
2008(2)
  • 参考文献(0)
  • 二级参考文献(2)
2009(4)
  • 参考文献(1)
  • 二级参考文献(3)
2010(5)
  • 参考文献(2)
  • 二级参考文献(3)
2011(3)
  • 参考文献(0)
  • 二级参考文献(3)
2012(3)
  • 参考文献(1)
  • 二级参考文献(2)
2013(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(2)
  • 参考文献(2)
  • 二级参考文献(0)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(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)
2018(4)
  • 引证文献(4)
  • 二级引证文献(0)
2019(4)
  • 引证文献(2)
  • 二级引证文献(2)
2020(4)
  • 引证文献(1)
  • 二级引证文献(3)
研究主题发展历程
节点文献
光谱学
核模糊C聚类
样本选取
光谱重建
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
影像科学与光化学
双月刊
1674-0475
11-5604/O6
16开
北京市海淀区中关村东路29号 中科院理化所
2-383
1983
chi
出版文献量(篇)
1689
总下载数(次)
4
总被引数(次)
11331
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导