一种改进高光谱图像噪声评估的MNF变换算法
在光谱维变换法是高光谱图像特征提取和数据挖掘的重要工具,而最大噪声分数(MNF)变换更是应用于高光谱图像分类和混合像元分解当中最为常用的光谱维变换法之一.由于部分样本光谱特征可能被局部波段噪声淹没,在同类地物十分聚集的情况下,首先对高光谱图像做MNF变换处理会比做主成分(PC)变换处理的分类结果更优.但通过实验证明,如果不同类别地物混杂在一起,混杂程度对MNF变换结果的分类精度有着显著影响.随后文中从理论上阐明该影响存在的原因,并针对高光谱图像中地物混杂的情况,提出了一种改进噪声协方差矩阵(NCM)评估的MNF变换算法,并通过后续模拟数据和真实数据实验证明该变换法相对于经典MNF变换,特征提取效果明显改善,分类精度均有所提高.
主成分变换、MNF变换、高光谱、噪声评估
39
TP3(计算技术、计算机技术)
国家重点基础研究发展规划973计划2009CB723902;国家高技术研究发展计划863计划2007AA12Z138
2010-07-12（万方平台首次上网日期，不代表论文的发表时间）
1305-1313
