基于分段行列2D-PCA的高光谱图像数据降维方法

• 作者: 张筱晗 杨桄 杨永波 黄俊华
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 高光谱图像 数据降维 二维主成分分析 波段子空间划分 小波融合
• 年，卷（期）: 2017,（9）
• 所属期刊栏目: 图形图像处理
• 页码范围: 256-262
• 页数: 7页
• 分类号: TP751
• 字数: 4617字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2017.09.045

摘要

针对传统二维主成分分析(2 D-PCA)方法不能直接应用于高光谱图像数据降维的不足,提出一种基于分段行列2D-PCA的降维方法.利用高光谱图像波段间的相关系数进行波段子空间划分,在各子空间内通过旋转构建新的数据模型,以2D-PCA方法提取其行、列主成分信息,经过图像重建得到行、列主成分图像,对各波段子空间的行、列主成分图像进行小波分解,按照不同规则融合低频、高频系数,再通过小波逆变换得到降维后的图像.实验结果表明,与PCA和分段PCA方法相比,该方法在保证降维图像质量的前提下可缩短运算时间,提高高光谱图像的降维效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨桄		66	522	13.0	21.0
2	张筱晗		9	28	3.0	5.0
3	黄俊华		8	24	3.0	4.0
4	杨永波		8	25	3.0	4.0