中国地质调查局地质调查项目(1212010816033-3)
- 作品数：2 被引量：14H指数：2
- 相关作者：李娜赵慧洁贾国瑞更多>>
- 相关机构：北京航空航天大学更多>>
- 发文基金：中国地质调查局地质调查项目长江学者和创新团队发展计划国家高技术研究发展计划更多>>
- 相关领域：自动化与计算机技术更多>>
- 高光谱数据非监督分类的改进独立成分分析方法被引量：7
- 2011年
- 利用数据本身统计特性是实现高光谱数据非监督分类的有效方法之一。针对利用高光谱数据一阶、二阶统计量不能完全表征数据结构的问题,提出了一种基于数据高阶统计特性——峭度的改进独立成分分析方法(Improved Kurtosis-Based Independent Component Analysis,IKICA)的高光谱数据非监督分类方法,并针对利用峭度进行非高斯性度量时对噪声等敏感的问题进行了模型改进。利用同一航带的OMIS高光谱遥感数据对该算法的性能进行了评价,并分别与基于最大似然估计和基于负熵的独立成分分析(ICA)方法进行了性能比较。将该方法应用于PHI获取的方麓茶场航空高光谱数据的非监督分类,结果表明,本文提出的算法明显地提高了运算的收敛速度和鲁棒性,并具有较高的分类精度和较强的抗噪声能力。
- 李娜赵慧洁
- 关键词：高光谱遥感峭度非监督分类
- 因子分析模型的高光谱数据降维方法被引量：7
- 2011年
- 为解决高光谱遥感数据量大且波段间相关性高等问题,提出基于因子分析模型的高光谱数据降维方法。该方法通过因子载荷矩阵求解、模型参数求解、旋转矩阵计算以及因子得分估计,得到表征高光谱图像的本征维数。该方法可以找出少数的几个综合因子来代表众多因子,而这少数几个综合因子不仅能主要反映原来的众多因子的信息,而且彼此独立,从而实现高光谱数据的降维。通过利用航空推扫型成像光谱仪(PHI)数据进行本文方法的性能验证,结果表明,Kappa系数从未降维数据的0.744提高到0.821,满足了得到数据本征维数的同时最大程度的保留数据有用信息、消除波段间的相关性和增大类间的可分性的应用需求。
- 李娜赵慧洁贾国瑞
- 关键词：高光谱遥感降维因子分析模型
