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
    python读取json数据的id_python处理JSON数据
    查看>>
    Python 中的Duck Typing
    查看>>
    Python 中的for in 遍历生成字典、添加判断条件if
    查看>>
    Python 中的Lock与RLock
    查看>>
    Python 中的range(),arange()函数
    查看>>
    Python 中的内存管理机制
    查看>>
    Python 中的函数包装器:模型运行时和调试
    查看>>
    Python 中的列表理解和 lambda
    查看>>
    Python 中的多层for in嵌套循环使用
    查看>>
    Python 中的多线程(01/4)
    查看>>
    Python 中的多进程(01/2):简介
    查看>>
    Python 中的多进程(02/2):进程之间的通信)
    查看>>
    Python 中的字符串、列表、元组和字典数据类型的特点和使用场景
    查看>>
    Python 中的属性访问器是什么?如何使用 @property 装饰器?
    查看>>
    Python 中的带宽限制
    查看>>
    Python 中的机器学习简介:多项式回归
    查看>>
    python读取grib2数据_用Python加载grib2文件
    查看>>
    Python 中的注意点_s2
    查看>>
    Python读取Excel的几种工具包(附Demo)
    查看>>
    Python 中的生成器是什么?
    查看>>