排序方式： 共有3条查询结果，搜索用时 15 毫秒
1
1.
最佳小波包基的矿区植被及红边位置提取 总被引：1，自引：0，他引：1
小波包变换能同时对植被光谱信息的低频和高频分量进行分解,并能克服小波变换时间分辨率高而频率分辨率低的缺陷从而具有能够探测植被细微变化的优势。实验利用Hyperion高光谱影像对云南省普朗铜矿区植被像元的光谱进行最佳小波包基参量获取与植被信息识别,并在此基础上提出一种提取重金属污染下植被红边位置的最佳小波包基系数应用模型。研究结果表明基于最佳小波包基参量的植被信息识别及基于最佳小波包基系数的重金属污染探测具有可行性与一定优越性。 相似文献
2.
针对离散粒子群优化(Discrete Particle Swarm Optimization,DPSO)端元提取算法初始种群质量差、收敛性能低且易于陷入局部最优,本文将模拟退火算法引入到DPSO的不同阶段,模拟退火算法能以一定的概率接受和舍弃新状态,使种群内粒子渐趋有序、达到平衡,收敛到全局最优,有效避免了搜索陷入局部最优。因此,该算法不仅保持了DPSO的全局组合优化特点,克服了初始种群质量差、易陷入局部最优等缺点,而且还提高了收敛速度和端元提取精度。 相似文献
3.
以光谱信息熵改进的N-FINDR高光谱端元提取算法 总被引：1，自引：0，他引：1
端元提取是高光谱混合像元分解的关键步骤,也是高光谱影像分析的重要前提。N-FINDR算法是一种经典且有效的端元提取算法,但其需遍历所有可能的像元组合,计算量巨大,时间效率不高。本文以光谱信息熵和凸面几何学理论,利用高光谱影像像元,在光谱特征空间形成的单形体顶点附近为相对纯净像元,单形体内部为混合像元的特性,提出了一种结合光谱信息熵的N-FINDR改进算法。该方法根据各波段像元灰度概率计算影像中每个像元的光谱信息熵,将大于光谱信息熵阈值的像元作为混合像元被剔除,在保留的像元组成的单形体上搜索最大体积,并提取最大体积顶点处像元作为端元。最后,使用美国EO-1卫星获取的江西省德兴某铜矿的Hyperion数据,对改进后的算法进行验证。结果表明,改进后的N-FINDR算法在确保较高端元提取精度的同时,大大提高了数据处理的时间效率。 相似文献
1