基于代数特征的多光谱图像特征提取方法

摘要：

多光谱图像特征提取的好坏直接关系着目标识别算法的复杂程度,也影响着最终目标识别的性能.研究了一维主成分分析(1DPCA)、二维主成分分析(2DPCA)、一维奇异值分解(1DSVD)和二维奇异值分解(2DSVD)等代数特征提取方法,并用这些方法构成图像识别框架的特征提取部分,通过识别率的大小来验证是否适合于多光谱图像特征提取.实验结果表明:①与可见光图像目标识别相比,PCA和SVD特征更适合于红外图像目标识别;②训练样本分类时,PCA和SVD特征的识别性能改善不明显;③训练样本少时,SVD重构图像、2DSVD和1DPCA特征的识别性能较好.

关键词：多光谱图像、特征提取、主成分分析、奇异值分解

所属期刊栏目：43

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金项目61303192

在线出版日期：2013-12-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1316-1321