基于波段优选的改进N-FINDR端元提取算法

被引：0

作者：

王高飞

朱桂平

张寅

机构：

[1] 南京航空航天大学航天学院

来源：

电子设计工程 | 2024年 / 32卷 / 14期

关键词：

高光谱图像; 端元提取; N-FINDR; 波段优选;

D O I：

暂无

中图分类号：

学科分类号：

摘要：

为了解决传统N-FINDR算法光谱信息利用不足，出现重复提取端元的问题，提出基于波段优选的改进N-FINDR端元提取算法。通过对高光谱数据各波段之间的相关性进行分析，保留相关性较弱的波段，去除相关性强的冗余波段，从而高效利用高光谱图像的光谱信息，对高光谱数据进行波段优选。通过实际高光谱数据和模拟数据进行实验分析，并与现有算法进行对比，实验结果表明，基于波段优选的改进N-FINDR端元提取算法在保证算法效率的同时，端元提取的覆盖率达到100%，算法提取的端元光谱与实际地物光谱具有较高的相似性。

引用

页码：6 / 12+18 +18

页数：8

共 14 条

[1] 高光谱遥感影像解混算法研究.[D].董乐.中国科学院大学(中国科学院西安光学精密机械研究所).2021, 06
[2] 基于稀疏优化的高光谱数据解混算法研究.[D].贾培源.哈尔滨工业大学.2021, 02
[3] 基于非负矩阵分解的高光谱遥感图像解混方法研究.[D].黄日胜.浙江大学.2020, 10
[4] 基于机器学习的智能家居系统的设计与实现
尹力辰
杨开语
赵露露
孙泽军
[J]. 物联网技术, 2023, 13 (01) : 129 - 133
[5] 基于鲁棒最大单纯形体积的高光谱图像快速端元提取
董涛
秦勤
[J]. 电子测量技术, 2021, 44 (10) : 121 - 127
[6] Quadratic Clustering-Based Simplex Volume Maximization for Hyperspectral Endmember Extraction
Zhang, Xiangyue
Wang, Yueming
Xue, Tianru
[J]. APPLIED SCIENCES-BASEL, 2022, 12 (14):
[7] A Distributed N-FINDR Cloud Computing-Based Solution for Endmembers Extraction on Large-Scale Hyperspectral Remote Sensing Data
Ayma Quirita, Victor Andres
Ostwald Pedro da Costa, Gilson Alexandre
Beltran, Cesar
[J]. REMOTE SENSING, 2022, 14 (09)
[8] Subspace-Based Preprocessing Module for Fast Hyperspectral Endmember Selection.[J].Shen Xiangfei;Bao Wenxing;Qu Kewen.IEEE JOURNAL OF SELECTED TOPICS IN APPLIED EARTH OBSERVATIONS AND REMOTE SENSING.2021,
[9] Spatial Spectral Band Selection for Enhanced Hyperspectral Remote Sensing Classification Applications
Torres, Ruben Moya
Yuen, Peter W. T.
Yuan, Changfeng
Piper, Johathan
McCullough, Chris
Godfree, Peter
[J]. JOURNAL OF IMAGING, 2020, 6 (09)
[10] Mineral Identification and Mapping by Synthesis of Hyperspectral VNIR/SWIR and Multispectral TIR Remotely Sensed Data with Different Classifiers.[J].Li Ni;Honggen Xu;Xiaoming Zhou.IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing.2020,

← 1 2 →