文章详情
| 稿件标题： | 基于信息量改进主成分分析的高光谱图像特征提取方法 |
| 稿件作者： | 任智伟,吴玲达 |
| 栏目名称： | 光学工程与电子技术 |
| 关键词： | 高光谱图像；特征提取；主成分分析法；信息量；最小距离分类器 |
| 文章摘要： | 针对传统PCA降维方法仅依据方差贡献率进行特征提取，无法有效利用光谱图像本身信息的问题，提出一种利用信息量改进PCA的降维方法。本文利用信息量改进PCA方法对原始高光谱图像数据进行降维处理，将降维结果输入最小距离分类器进行分类，计算分类精度，并通过数据集Indiana Pines与Salinas验证。实验结果表明：与未改进PCA降维方法相比，信息量改进PCA降维方法在计算代价仅增加o(n)复杂度的情况下，分类精度有明显提高。 |
| 稿件基金： | 重点实验室基础研究项目 |
| 引用本文格式： | 任智伟,吴玲达.基于信息量改进主成分分析的高光谱图像特征提取方法［J］.兵器装备工程学报，2018,39(7):151-154. REN Zhiwei, WU Linda.Feature Extraction for Hyperspectral Images Based on Principal Component Analysis Improved by Information Quantity［J］.Journal of Ordnance Equipment Engineering,2018,39(7):151-154. |
| 刊期名称： | 2018年07期 |
| 出版时间： | 2018年7月 |
| 上线时间： | 2018年7月28日 |
| 浏览次数： | 2568 |
| 下载次数： | 931 |
| 免费阅读PDF 下载本期封面 | |