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:
高光谱图像的混合像元分解将原始图像分解为多种纯净地物及相应的丰度,端元提取是混合像元分解的关键技术.针对传统算法计算速度慢、搜索范围较大的特点,基于改进的ICA(independent component analysis)算法以及优化的候选端元判断方法,提出了一种优化的混合像元分解方法.首先使用改进的算法优化端元提取方法;然后利用相邻像素的光谱特征和空间特征信息,结合并行算法对候选端元进行优化;最后利用真实的高光谱数据对该方法的性能进行了验证.验证结果表明:该方法能有效提高端元提取精度,降低复杂度,与经典的端元提取算法N-FINDER相比,准确度提高了3.55%,解混后得到的地物分类精度有了明显改善(总体分类精度提高了2.88%).
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
应用混合像元分解提取胡杨覆盖度信息1)
线性混合像元分解
端元提取
植被覆盖度
植被指数
结合纯像元提取和ICA的高光谱降维方法
高光谱降维
高光谱线性模型
独立分量分析
虚拟维数
基于正则化方法的遥感图像混合像元分解
遥感
混合像元
最小二乘
正则化
端元
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 优化端元提取方法的高光谱混合像元分解
来源期刊 西南交通大学学报 学科 地球科学
关键词 高光谱数据 光谱解混 端元提取 光谱空间特征
年,卷(期) 2018,(6) 所属期刊栏目
研究方向 页码范围 1150-1156,1172
页数 8页 分类号 P407.41
字数 5086字 语种 中文
DOI 10.3969/j.issn.0258-2724.2018.06.009
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 张陶新 湖南工业大学农牧业废弃物资源化综合利用湖南省重点实验室 34 204 7.0 13.0
2 黄作维 湖南工业大学农牧业废弃物资源化综合利用湖南省重点实验室 20 162 7.0 12.0
3 张岁丰 湖南工业大学农牧业废弃物资源化综合利用湖南省重点实验室 3 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (26)
共引文献  (119)
参考文献  (16)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1951(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)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(2)
  • 参考文献(0)
  • 二级参考文献(2)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(3)
  • 参考文献(1)
  • 二级参考文献(2)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(6)
  • 参考文献(1)
  • 二级参考文献(5)
2007(3)
  • 参考文献(1)
  • 二级参考文献(2)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(4)
  • 参考文献(1)
  • 二级参考文献(3)
2011(5)
  • 参考文献(2)
  • 二级参考文献(3)
2012(2)
  • 参考文献(2)
  • 二级参考文献(0)
2013(2)
  • 参考文献(2)
  • 二级参考文献(0)
2014(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(4)
  • 参考文献(4)
  • 二级参考文献(0)
2018(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)
研究主题发展历程
节点文献
高光谱数据
光谱解混
端元提取
光谱空间特征
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
西南交通大学学报
双月刊
0258-2724
51-1277/U
大16开
四川省成都市二环路北一段
62-104
1954
chi
出版文献量(篇)
3811
总下载数(次)
4
总被引数(次)
51589
论文1v1指导