PCA变换下超光谱图像自适应降维算法仿真

摘要：

图像降维处理在众多领域中受到广泛的应用,作用也日益凸显.针对当前算法图像自适应降维效果差、降维效率低的问题,提出PCA变换下超光谱图像自适应降维算法.将超谱图像的每个波段当作二维矩阵,选取出其中的主成分,对超谱图像翻转,建立数据模型,经过变换后,超谱图像可以获得对应的向量,对数据模型做转换;分析超谱图像中的信号和噪声,提取子空间中所有的图像信息,采用一种随机变量的偏度形式对多元数据正态分布检验,可以得到数据样本,在规定的显著水平下,获取到超谱图像的投影子空间;在此基础上,建立超谱图像的样本矩阵,并分析每一行以及每一列向量的个数,计算数据不同维度之间的协方差来求取数据均值,通过构建模式矩阵可以获得超谱图像自适应降维后的矩阵,最终实现了超谱图像的自适应降维.实验结果表明,提出算法对超谱图像自适应降维后所得图像的清晰度较高,并且降维的计算时间较短,得到了降维效果好和降维效率高的结果.

关键词：主成分分析变换、超谱图像、自适应、降维算法

所属期刊栏目：36

分类号：TP751.1(遥感技术)

在线出版日期：2019-09-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：435-438,444