基于核心独立元分析的遥感图像信息提取
遥感图像的预处理会直接影响图像信息的提取。为了去掉波段间相关性对于信息提取的不利影响，本文讨论了两种核心独立元算法(核心典型相关，KCCA和核心广义方差，KGV)及它们在遥感图像分类预处理中的应用，并比较了二者的优缺点。实验数据来自北京顺义1996年的TM和广东肇庆地区2002年的ETM+遥感影像，根据图像的不同特点采用了不同的波段组合进行独立元分析处理。接着采用神经网络监督分类和ISODATA非监督方法对原始图像和独立元分析处理后的图像进行分类。结果表明，采用核心独立元分析方法预处理后的分类结果比原始图像直接参加分类的结果更加合理可靠。而对于两种核心独立元方法而言，两者都比较稳定，都能实现遥感图像的高阶统计独立性从而增强类别的可分离度。不过实验结果也表明，KGV更能增强线状特征信息而且分类精度要优于前者。本文还计算了两种核心独立元分析处理后图像的信噪比，结果表明KGV对于信息的保真度高于KCCA。
核心独立元分析 遥感图像 数据挖掘 信息提取
彭望琭 贺辉 余先川
北京师范大学信息科学学院计算机系,北京 100875;北京师范大学珠海分校信息技术与软件工程学院,珠海 519085
国内会议
南京
中文
419-425
2005-11-01（万方平台首次上网日期，不代表论文的发表时间）