基于自适应波段聚类主成分分析和反向传播 神经网络的高光谱图像压缩

• 作者: 张燕琪 陈善学
• 来源期刊: 电子与信息学报
• 学科: 工学
• 关键词: 高光谱图像压缩 波段聚类 主成分分析 神经网络
• 年，卷（期）: 2018,（10）
• 所属期刊栏目: 论文
• 页码范围: 2478-2483
• 页数: 6页
• 分类号: TP751.1
• 字数: 2567字
• 语种: 中文
• DOI: 10.11999/JEIT180055

摘要

高光谱遥感图像具有丰富的光谱信息,数据量大.为了能够有效地利用高光谱图像数据,促进高光谱遥感技术的发展,该文提出一种基于自适应波段聚类主成分分析(PCA)与反向传播(BP)神经网络相结合的高光谱图像压缩算法.算法利用近邻传播(AP)聚类算法对波段进行自适应聚类,对聚类后的各个分组分别进行PCA运算,最后利用BP神经网络对所有主成分进行编码压缩.该文的创新点在于BP神经网络压缩图像时,在训练步骤过程中,误差反向传播是用原图与输出作差值,再反向调整各层的权值、阈值.对高光谱图像进行波段聚类,不仅能够有效地利用谱间相关性,提高压缩性能,还可以降低PCA的运算量.实验结果表明,该文算法与其它现有算法比较,在相同压缩比下,其光谱角更小,信噪比更高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈善学	重庆邮电大学通信与信息工程学院	84	380	9.0	13.0
2	张燕琪	重庆邮电大学移动通信技术重庆市重点实验室	2	7	1.0	2.0