Применение преобразования неотрицательной разре женной матрицы при гиперспектральном анализе

Deng Z.; Fu Y.; Zhao S.; Gao Y.; Cui J.

Применение преобразования неотрицательной разре женной матрицы при гиперспектральном анализе

Deng Z. , Fu Y. , Zhao S. , Gao Y. , Cui J.

2022

Для снижения размерности при обработке гиперспектральных изображений предложен усовершенствованный метод преобразования неотрицательной разреженной матрицы (n-SMT), основанный на оценке ковариации максимального правдоподобия и норме Фробениуса. Неотрицательность разреженной матрицы сокращает время расчета и повышает эффективность. Для проверки алгоритма n-SMT образцы листьев элеутерококка колючего, пораженных заболеванием, классифицированы для идентификации различных частей листьев после уменьшения размерности. Наряду с n-SMT для всех образцов применен алгоритм вычисления минимальной доли шума. Сравнивается время работы двух алгоритмов и проверяется точность классификации с помощью алгоритма n-SMT.

Deng Z. , Fu Y. , Zhao S. , Gao Y. , Cui J. Применение преобразования неотрицательной разре женной матрицы при гиперспектральном анализе. Журнал прикладной спектроскопии. 2022;89(3):436.

Цитирование

Список литературы

1. X. Jia, B. C. Kuo, M. M. Crawford, Proc. IEEE, 101, No. 3, 676–697 (2013).

2. D. Landgrebe, IEEE Signal Proc. Magazine, 19, No. 1, 17–28 (2002).

3. W. Jing, C. I. Chang, IEEE Trans. Geosci. Remote, 44, No. 6, 1586–1600 (2006).

4. M. Fauvel, Y. Tarabalka, J. A. Benediktsson, J. Chanussot, J. Tilton, Proc. IEEE, 101, No. 3, 652–675 (2013).

5. C. A. Manogue, T. Dray, Mod. Phys. Lett. A, 14, No. 2, 99–103 (2013).

6. D. Zhang, Y. Le Y, Int. Conf. Comput. Intelligence & Industrial Application (2010).

7. L. R. Bachega, C. A. Bouman, Int. Conf. Image Proc. IEEE (2010).

8. A. L. Bertozzi, A. Flenner, Multiscale Model Sim., 10, No. 3, 1090–1118 (2012).

9. J. Theiler, G. Cao, et al., IEEE J. Sel. Top. Signal Process, 5, No. 3, 424–437 (2011).

10. G. Cao, L. Bachega, et al., IEEE Trans. Image Process, 20, No. 3, 625–640 (2011).

11. N. Kochan, G. Y. Tütüncü, G. Giner, Expert Syst. Appl., 167, No. 3, 114200 (2020).

12. J. Fan, L. Yuan, An. Stat., 39, No. 6, 3320–3356 (2011).

13. D. D. Lee, H. S. Seung, et al., Nature, 401, 788–791 (1999).

14. P. O. Hoyer J Mach. Learn Res., 5, No. 9, 1457–1469 (2004).

15. A. Copar, M. Zitnik, B. Zupan, Biodata Min., 10, No. 1, 41 (2017).

16. Y. L. Xie, P. K. Hopke, P. Paatero, J. Chem., 12, No. 6, 357–364 (2015).

17. H. Zhi, X. Yu, G. Wang, Z. Wang, Fifth Int. Conf. Fuzzy System and Knowledge Discovery, FKSD 2008, IEEE, 4, 10–20, Jinan, Shandong, China (2008)

18. D. Bo, M. M. Lin, M. T. Chu, Numer. Algorithms, 65, No. 2, 251–274 (2014).

19. Y. Chen, A. Wiesel, A. O. I. Hero, IEEE Trans. Signal Process, 59, No. 9, 4097–4107 (2011).

20. M. Pal, G. Foody, IEEE Trans. Geosci. Remote, 48, No. 5, 2297–2307 (2010).

21. Z. Emre, E. Tülin, M. E. Karslgil, 13th European Signal Processing Conference IEEE (2015).

22. Y. Bazi, F. Melgani, IEEE Trans. Geosci. Remote, 44, No. 11, 3374–3385 (2003).

23. K. Hajian-Tilaki, Caspian J. Int. Med., 4, No. 2, 627–635 (2013).

24. S. D. Walter, State Med., 24, No. 13, 2025–2040 (2005).

Источник

Информация

Автор

Deng Z. Чанчуньский университет науки и технологий
Fu Y. Чанчуньский университет науки и технологий
Zhao S. Чанчуньский университет науки и технологий
Gao Y. Чанчуньский университет науки и технологий
Cui J. Чанчуньский университет науки и технологий

Страницы

Год издания

2022

Ключевые слова

Коллекции

Журнал прикладной спектроскопии