%0 Journal Article
%T 基于KPCA和FCM的HJ-1A星遥感数据分类
%A 白杨
%A 赵银娣
%J 国土资源遥感
%P 71-76
%D 2013
%R 10.6046/gtzyyg.2013.01.13
%X 为提高对环境与灾害监测预报小卫星1A(HJ-1A)星遥感数据分类的精度,首先将HJ-1A星HSI高光谱数据和CCD多光谱数据进行GS(Gram-Schmidt)融合,然后利用主成分分析法(principalcomponentanalysis,PCA)和核主成分分析法(kernelPCA,KPCA)分别对融合后的高光谱图像进行降维处理。KPCA降维时采用高斯、线性和多项式3种核函数,根据特征提取效果评价结果,选择累积贡献率较大的多项式核函数。最后,分别对融合后的高光谱图像、PCA主成分图像和基于多项式核函数的KPCA主成分图像进行模糊C均值分类。实验结果表明,KPCA对融合后高光谱图像的特征提取得到了较好的效果,同时提高了分类精度和效率。
%K HJ-1A星
%K 主成分分析(PCA)
%K 核主成分分析(KPCA)
%K 累积贡献率
%K 模糊C均值分类
%U http://www.gtzyyg.com/CN/abstract/abstract1590.shtml