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
    NIO Selector实现原理
    查看>>
    nio 中channel和buffer的基本使用
    查看>>
    NIO基于UDP协议的网络编程
    查看>>
    NISP一级,NISP二级报考说明,零基础入门到精通,收藏这篇就够了
    查看>>
    Nitrux 3.8 发布!性能全面提升,带来非凡体验
    查看>>
    NI笔试——大数加法
    查看>>
    NLog 自定义字段 写入 oracle
    查看>>
    NLog类库使用探索——详解配置
    查看>>
    NLP 基于kashgari和BERT实现中文命名实体识别(NER)
    查看>>
    NLP 项目:维基百科文章爬虫和分类【01】 - 语料库阅读器
    查看>>
    NLP_什么是统计语言模型_条件概率的链式法则_n元统计语言模型_马尔科夫链_数据稀疏(出现了词库中没有的词)_统计语言模型的平滑策略---人工智能工作笔记0035
    查看>>
    NLP学习笔记:使用 Python 进行NLTK
    查看>>
    NLP的神经网络训练的新模式
    查看>>
    NLP问答系统:使用 Deepset SQUAD 和 SQuAD v2 度量评估
    查看>>
    NLP:使用 SciKit Learn 的文本矢量化方法
    查看>>
    Nmap扫描教程之Nmap基础知识
    查看>>
    Nmap端口扫描工具Windows安装和命令大全(非常详细)零基础入门到精通,收藏这篇就够了
    查看>>
    NMAP网络扫描工具的安装与使用
    查看>>
    NMF(非负矩阵分解)
    查看>>
    nmon_x86_64_centos7工具如何使用
    查看>>