博客
关于我
端元提取、光谱角、端元提取光谱角检测模型
阅读量:480 次
发布时间:2019-03-06

本文共 537 字,大约阅读时间需要 1 分钟。

端元及其提取解析

什么是端元?

端元(endmember)是地物信息的最简形式,通常与混合像元相对。混合像元包含多种地物信息,而端元仅包含一种地物特征。在像元分解过程中,可以通过定量分析各端元在混合像元中的面积比例,即端元丰度(abundance),来描述端元的分布。

端元提取的基本原理

端元提取(endmember extraction,EE)主要包含两个关键步骤:端元识别和端元提取。基于几何特征的端元识别方法常采用以下降维技术:

  • 主成分分析(PCA):用于去除噪声,降维。
  • 多因子分析(MNF):进一步优化降维效果。
  • 独立校正(IC):增强数据相关性分析。

通过这些降维方法,相关性较低的波段被选定作为二维散点图的横纵轴。散点图中凸出区域的端元候选区域对应的平均波谱即为目标端元。

光谱角的意义

光谱角(spectral angle,SA)反映光谱曲线的相似性程度。其值越接近0,表明光谱波形越相似,地物特征越一致。

端元提取与光谱角结合的优势

将端元提取与光谱角相结合,可以构建无损检测模型。该模型通过以下步骤实现:

  • 提取所有端元波谱;
  • 将受损区域波谱与端元波谱进行匹配,识别缺损部分的端元组合。
  • 这种方法能够有效评估受损区域的光谱特征,保证检测的准确性和可靠性。

    转载地址:http://hljdz.baihongyu.com/

    你可能感兴趣的文章
    opencv Hog Demo
    查看>>
    opencv Hog学习总结
    查看>>
    opencv Mat push_back
    查看>>
    opencv putText中文乱码
    查看>>
    OpenCV Python围绕特定点将图像旋转X度
    查看>>
    opencv resize
    查看>>
    opencv SVM分类Demo
    查看>>
    OpenCV VideoCapture.get()参数详解
    查看>>
    opencv videocapture读取视频cap.isOpened 输出总是false
    查看>>
    opencv waitKey() 函数理解及应用
    查看>>
    OpenCV 中的图像转换
    查看>>
    OpenCV 人脸识别 C++实例代码
    查看>>
    OpenCV 在 Linux 上的 python 与 anaconda 无法正常工作.收到未实现 cv2.imshow() 的错误
    查看>>
    Opencv 完美配置攻略 2014 (Win8.1 + Opencv 2.4.8 + VS 2013)上
    查看>>
    opencv 模板匹配, 已解决模板过大程序不工作的bug
    查看>>
    OpenCV 错误:(-215)size.width>0 &&函数imshow中的size.height>0
    查看>>
    opencv&Python——多种边缘检测
    查看>>
    opencv&python——高通滤波器和低通滤波器
    查看>>
    OpenCV+Python识别车牌和字符分割的实现
    查看>>
    OpenCV-Python接口、cv和cv2的性能比较
    查看>>