[1]吴波,周小成,高海燕.面向混合像元分解的光谱维小波特征提取[J].华侨大学学报(自然科学版),2008,29(1):156-160.[doi:10.11830/ISSN.1000-5013.2008.01.0156]
　WU Bo,ZHOU Xiao-cheng,GAO Hai-yan.Wavelet Feature Abstraction for Linear Spectral Mixture Pixel Decomposition[J].Journal of Huaqiao University(Natural Science),2008,29(1):156-160.[doi:10.11830/ISSN.1000-5013.2008.01.0156]
点击复制

面向混合像元分解的光谱维小波特征提取()
分享到：

《华侨大学学报（自然科学版）》[ISSN:1000-5013/CN:35-1079/N]

卷:
第29卷
期数:
2008年第1期
页码:
156-160
栏目:
出版日期:
2008-01-20

文章信息/Info

Title:
Wavelet Feature Abstraction for Linear Spectral Mixture Pixel Decomposition
文章编号:
1000-5013(2008)01-0156-05
作者:
吴波; 周小成; 高海燕
福州大学空间数据挖掘与信息共享教育部重点实验室; 福州大学空间数据挖掘与信息共享教育部重点实验室 福建福州350002; 福建福州350002
Author(s):
WU Bo;  ZHOU Xiao-cheng;  GAO Hai-yan
Key Lab of Spatial Data Mining and Information Sharing of Ministry of Education, Fuzhou University, Fuzhou 350002, China
关键词:
小波变换;  混合像元;  光谱特征;  高光谱
Keywords:
wavelet transform;  mixture pixel;  spectral feature;  hyper-spectral image
分类号:
TP751
DOI:
10.11830/ISSN.1000-5013.2008.01.0156
文献标志码:
A
摘要:
根据线性混合模型的特点,探讨面向混合像元分解的光谱特征提取与选择,提出以小波低频系数为特征的混合像元分解方法.高光谱像元矢量进行离散二进小波变换后,提取光谱特征影像,再基于特征影像估计出混合像元的组分,并用AVIRIS合成影像验证该分解方法.实验结果表明,良好的光谱特征能够较大地提高遥感混合像元的分解精度,比原始波段分解的精度提高约23%.
Abstract:
This paper studied on spectral feature abstraction and selection for mixture pixel decomposition according to the attributes of linear mixture model,and proposed to use discrete spectral wavelet feature of approximated coefficients for abundance estimation.The proposed method utilizing the discrete wavelet transform (DWT) as a preprocessing step for the spectral feature extraction,and then performed constrained least square method to improve abundance estimation.Algorithm validation and comparison were done with synthesis AVIRIS data.Experimental results show that the use of DWT-based features can improve the abundance estimation over 23% in terms of root mean square error,as compared with original signals.

参考文献/References:

[1] 蒲瑞良, 宫鹏. 高光谱遥感及其应用 [M]. 北京:高等教育出版社, 2003.52-79.
[2] 刘正军. 高维遥感数据土地覆盖特征提取与分类研究 [D]. 北京:中国科学院, 2000.
[3] 程正兴. 小波分析算法与应用 [M]. 西安:西安交通大学出版社, 1998.25-80.
[4] 吴波. 混合像元自动分解及其扩展模型研究 [D]. 武汉:武汉大学, 2006.
[5] 桂延宁, 焦李成, 张福顺. 基于小波和BP神经网络的无线电探测目标识别技术 [J]. 电子学报, 2003, (12):1811-1813.doi:10.3321/j.issn:0372-2112.2003.12.012.
[6] KAEWOUHUT S, LE J M, TAREK E G. Automatic reduction of hyperspectrat imagery using wavelet spectral a-nalysis [J]. IEEE Transactions on Geoscience and Remote Sensing, 2003(4):863-871.doi:10.1109/TGRS.2003.810712.
[7] LIU Wei-guo, WU E Y. Comparison of non-iinear mixture models, Sub-pixel classification [J]. Remote Sensing of Environment, 2005, (2):145-154.doi:10.1016/j.rse.2004.09.004.
[8] 吴波, 张良培, 李平湘. 非监督正交子空间投影的高光谱混合像元自动分解 [J]. 中国图象图形学报, 2004, (11):1392-1396.doi:10.3969/j.issn.1006-8961.2004.11.020.

相似文献/References:

[1]徐传忠,杨冠鲁.一种小波提升的电力有源滤波器[J].华侨大学学报(自然科学版),2004,25(4):366.[doi:10.3969/j.issn.1000-5013.2004.04.007]
　Xu Chuanzhong,Yang Guanlu.A Wavelet Lifting-Based Active Power Filter[J].Journal of Huaqiao University(Natural Science),2004,25(1):366.[doi:10.3969/j.issn.1000-5013.2004.04.007]
[2]冯小明,冯乃光,汪云云.离散小波变换与奇异值分解的音频信号水印算法[J].华侨大学学报(自然科学版),2016,37(6):770.[doi:10.11830/ISSN.1000-5013.201606022]
　FENG Xiaoming,FENG Naiguang,WANG Yunyun.Watermarking Algorithm of Audio Signal Based on Discrete Wavelet Transform and Singular Value Decomposition[J].Journal of Huaqiao University(Natural Science),2016,37(1):770.[doi:10.11830/ISSN.1000-5013.201606022]

备注/Memo

备注/Memo:
福建省自然科学基金计划资助项目(D0710012); 福州大学引进人才科研基金资助项目(826232)
更新日期/Last Update: 2014-03-23