OPT OpenIR  > 光谱成像技术实验室
基于子空间中主成分最优线性预测的高光谱波段选择
其他题名Band selection of hyperspectral image based on optimal linear prediction of principal components in subspace
吴一全1,2; 周杨1; 盛东慧1; 叶骁来1
作者部门光谱成像技术实验室
2018-02-01
发表期刊红外与毫米波学报
ISSN10019014
卷号37期号:1页码:119-128
产权排序1
摘要针对高光谱遥感图像的异常检测问题,为了使高光谱降维数据能更完整地保留其光谱信息,提出了基于子空间中主成分最优线性预测的波段选择方法.采用改进相关性度量的谱聚类方法将高光谱波段划分为不同的子空间,并对各子空间中的波段进行主成分分析(PCA),选择主要分量作为重构目标;以子空间追踪法为搜索策略,从各子空间中选择数个波段对其重构目标进行联合最优线性预测;合并各子空间中的所选波段得到最佳波段子集.实验结果表明,该方法选择的波段子集可以较完整地重构原始数据,与原始数据以及自适应波段选择(ABS)方法、线性预测(LP)方法、最大方差主成分分析(MVPCA)方法、自相关矩阵波段选择(ACMBS)方法、组合因子最优波段选择(OCFBS)方法得到的波段子集相比,其波段子集具有更好的异常检测性能. 
关键词遥感 高光谱图像 波段选择 主成分 线性预测 子空间追踪 谱聚类
DOI10.11972/j.issn.1001-9014.2018.01.21
收录类别SCI ; EI
语种中文
WOS研究方向Optics
WOS记录号WOS:000430645900021
出版者中国光学学会
EI入藏号20183105618311
引用统计
文献类型期刊论文
条目标识符http://ir.opt.ac.cn/handle/181661/30542
专题光谱成像技术实验室
通讯作者吴一全
作者单位1.南京航空航天大学电子信息工程学院;
2.中国科学院西安光学精密机械研究所中科院光谱成像技术重点实验室
第一作者单位中国科学院西安光学精密机械研究所
通讯作者单位中国科学院西安光学精密机械研究所
推荐引用方式
GB/T 7714
吴一全,周杨,盛东慧,等. 基于子空间中主成分最优线性预测的高光谱波段选择[J]. 红外与毫米波学报,2018,37(1):119-128.
APA 吴一全,周杨,盛东慧,&叶骁来.(2018).基于子空间中主成分最优线性预测的高光谱波段选择.红外与毫米波学报,37(1),119-128.
MLA 吴一全,et al."基于子空间中主成分最优线性预测的高光谱波段选择".红外与毫米波学报 37.1(2018):119-128.
条目包含的文件
文件名称/大小 文献类型 版本类型 开放类型 使用许可
基于子空间中主成分最优线性预测的高光谱波(2423KB)期刊论文出版稿开放获取CC BY-NC-SA浏览 请求全文
个性服务
推荐该条目
保存到收藏夹
查看访问统计
导出为Endnote文件
谷歌学术
谷歌学术中相似的文章
[吴一全]的文章
[周杨]的文章
[盛东慧]的文章
百度学术
百度学术中相似的文章
[吴一全]的文章
[周杨]的文章
[盛东慧]的文章
必应学术
必应学术中相似的文章
[吴一全]的文章
[周杨]的文章
[盛东慧]的文章
相关权益政策
暂无数据
收藏/分享
文件名: 基于子空间中主成分最优线性预测的高光谱波段选择.pdf
格式: Adobe PDF
所有评论 (0)
暂无评论
 

除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。