噪声抑制的高光谱图像虚拟维数分析
DOI:
作者:
作者单位:

作者简介:

通讯作者:

中图分类号:

TP391

基金项目:

国家973计划项目(2013CB733400);中央高校基本科研业务费项目(ZYGX2013J120);中国博士后科学基金项目(20100471664);电子科技大学本科教育教学研究项目(2015XJYYB088)。


Virtual Dimensionality Analysis of Hyperspectral Imagery with Noise being Constrained
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    在高光谱数据降维过程中,通常用虚拟维数来表征数据的本征维数。经典的虚拟维数分析算法主要运用假设检验准则设定特征值门限,通过特征值判定来决定虚拟维数值。但是,在强噪声干扰下,经典算法不能有效分析出虚拟维数值。本文提出了一种噪声抑制的高光谱图像虚拟维数分析方法(NCVD),该算法通过对数据矩阵进行QR分解,减小了算法的运算量;采用滑动噪声检测窗口对噪声成分进行滤除,提高了估计维数的准确性;结合最小二乘算法对判别门限进行修正,使虚拟维数估计结果更具合理性;采用模拟数据和真实数据的实验结果,证明了本文所提算法的可行性和较现有算法的优越性。

    Abstract:

    In dimensionality reduction process of hyperspectral data, intrinsic dimension is normally characterized by virtual dimension. Classic algorithm mainly uses hypothesis-testing criterion to set eigenvalue threshold and correspondingly obtains virtual dimension. But under strong noises, it may not estimate very well. A noise constrained virtual dimension (NCVD) analysis method of hyperspectral imagery is proposed in this paper. It decreases the computational complexity by the QR decomposing; improves the accuracy of the estimated dimension by adopting sliding noise detection window to filter the noise; synthesizes the least squares algorithm to modify threshold for reasonable results. The experimental results prove the feasibility and superiority of the proposed algorithm by using simulated and real data.

    参考文献
    相似文献
    引证文献
引用本文

引用本文格式: 何秉钧,蒋鸣飞,罗欣,王蓉. 噪声抑制的高光谱图像虚拟维数分析[J]. 四川大学学报: 自然科学版, 2017, 54: 303.

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2016-07-26
  • 最后修改日期:2016-08-28
  • 录用日期:2016-09-04
  • 在线发布日期: 2017-04-05
  • 出版日期: