基于独立分量分析的纹理特征维数减少

黄昕; 张良培; 邵振锋; 李平湘

美国《工程索引》（EI）核心期刊
美国《剑桥科学文摘》（CSA）收录期刊
荷兰斯高帕斯数据库（Scopus）收录期刊
英国INSPEC数据库（SA）收录期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于独立分量分析的纹理特征维数减少

黄昕, 张良培, 邵振锋, 李平湘

文章导航 > 武汉大学学报 ● 信息科学版 > 2006 > 31(12): 1055-1058

黄昕, 张良培, 邵振锋, 李平湘. 基于独立分量分析的纹理特征维数减少[J]. 武汉大学学报 ● 信息科学版, 2006, 31(12): 1055-1058.

引用本文:

黄昕, 张良培, 邵振锋, 李平湘. 基于独立分量分析的纹理特征维数减少[J]. 武汉大学学报 ● 信息科学版, 2006, 31(12): 1055-1058.

HUANG Xin, ZHANG Liangpei, SHAO Zhenfeng, LI Pingxiang. Dimension Reduction of Texture Features Based upon Independent Component Analysis[J]. Geomatics and Information Science of Wuhan University, 2006, 31(12): 1055-1058.

Citation:

HUANG Xin, ZHANG Liangpei, SHAO Zhenfeng, LI Pingxiang. Dimension Reduction of Texture Features Based upon Independent Component Analysis[J]. Geomatics and Information Science of Wuhan University, 2006, 31(12): 1055-1058.

基于独立分量分析的纹理特征维数减少

¹武汉大学测绘遥感信息工程国家重点实验室,武汉市珞喻路129号,430079

基金项目: 国家973计划资助项目(2006CB701302);国家自然科学基金资助项目(40471088,40523005)

详细信息

作者简介:
黄昕,博士生,现从事高分辨率遥感影像模式识别、神经网络等方面的研究。

中图分类号: P237.3

Dimension Reduction of Texture Features Based upon Independent Component Analysis

¹ State Key Laboratory of Information Engineering in Surveying,Mapping and Remote Sensing,Wuhan University,129 Luoyu Road,Wuhan 430079,China

Funds: 国家973计划资助项目(2006CB701302);国家自然科学基金资助项目(40471088,40523005)

摘要: 提出了基于ICA纹理特征维数减少的方法,通过QuickBird多光谱影像的实验证明,ICA对各种纹理特征降维的普适性最强,类别可分性最高。
- 高空间分辨率 /
- 纹理特征 /
- 维数减少 /
- 独立成分分析
Abstract: Texture features are often employed as supplementary information in order to supplement the inadequacy of spectral information and increase the classification results of high spatial resolution remotely sensed imagery.However,the dimensions of texture features are always large,which obstruct their overall application in pattern recognition.Independent component analysis is applied to reduce the dimensions of texture features.Compared to the conventional one PCA method,ICA can achieve better classification accuracy and show a better compatibility for different texture features such as SWT,SVD and GLCM etc.
- high spatial resolution /
- texture feature /
- dimension reduction /
- ICA

[1]	邵振峰, 孙悦鸣, 席江波, 李岩. 智能优化学习的高空间分辨率遥感影像语义分割 . 武汉大学学报 ● 信息科学版, 2022, 47(2): 234-241. doi: 10.13203/j.whugis20200640
[2]	王海波, 游为, 范东明, 熊宇昊, 李杰, 黄强. 利用ICA方法提取奥卡万戈三角洲水储量变化信号 . 武汉大学学报 ● 信息科学版, 2022, 47(1): 93-103. doi: 10.13203/j.whugis20190278
[3]	刘利敏, 余洁, 李小娟, 李平湘, 杨杰. 引入商空间粒度计算的全极化SAR影像分类 . 武汉大学学报 ● 信息科学版, 2018, 43(1): 74-80. doi: 10.13203/j.whugis20150324
[4]	佃袁勇, 杨光, 方圣辉. 傅里叶谱纹理和光谱信息结合的高分辨率遥感影像地表覆盖分类 . 武汉大学学报 ● 信息科学版, 2017, 42(3): 362-368. doi: 10.13203/j.whugis20140952
[5]	殷亚秋, 李家国, 余涛, 鞠颂, 米晓飞, 侯海倩. 结合正则化最小二乘进行高空间分辨率四波段相机云识别 . 武汉大学学报 ● 信息科学版, 2016, 41(2): 190-195. doi: 10.13203/j.whugis20140208
[6]	詹总谦, 来冰华, 万杰, 李楼. 一种利用纹理特征和朴素贝叶斯分类器检测近景影像植被的方法 . 武汉大学学报 ● 信息科学版, 2013, 38(6): 665-668.
[7]	王凯, 舒宁, 李亮, 龚龑. 利用ICA正交子空间投影加权的高光谱影像目标探测算法 . 武汉大学学报 ● 信息科学版, 2013, 38(4): 440-444.
[8]	姜少波, 杨必胜, 孙轩. 特征保持的三维复杂建筑物模型多分辨率表达 . 武汉大学学报 ● 信息科学版, 2012, 37(8): 902-905.
[9]	周家香, 朱建军, 梅小明, 马慧云. 多维特征自适应MeanShift遥感图像分割方法 . 武汉大学学报 ● 信息科学版, 2012, 37(4): 419-422.
[10]	吴一全, 武燕燕. 利用NSCT和Krawtchouk矩进行图像检索 . 武汉大学学报 ● 信息科学版, 2011, 36(6): 691-694.
[11]	魏小莉, 沈未名. 一种基于马尔科夫随机场模型的彩色纹理图像分割 . 武汉大学学报 ● 信息科学版, 2010, 35(8): 955-958.
[12]	陈杰, 邓敏, 肖鹏峰, 杨敏华. 利用Gabor滤波器与蚁群算法进行纹理分割 . 武汉大学学报 ● 信息科学版, 2010, 35(11): 1271-1274.
[13]	李祖传, 马建文, 张睿, 李利伟. 利用融合纹理与形态特征进行地震倒塌房屋信息自动提取 . 武汉大学学报 ● 信息科学版, 2010, 35(4): 446-450.
[14]	李利伟, 马建文, 温奇. 双模态脉冲耦合神经网络高分辨率光学卫星影像分割 . 武汉大学学报 ● 信息科学版, 2008, 33(3): 322-325.
[15]	黄昕, 张良培. 基于光谱变换与融合的IKONOS多光谱影像分类 . 武汉大学学报 ● 信息科学版, 2007, 32(6): 502-505.
[16]	马洪超, 郭丽艳. 人工神经网络信息融合及其在机场识别中的应用研究 . 武汉大学学报 ● 信息科学版, 2005, 30(8): 682-684.
[17]	于子凡, 林宗坚. 基于图像表面积的分形布朗运动分数维算法研究 . 武汉大学学报 ● 信息科学版, 2005, 30(2): 161-165.
[18]	林宗坚, 宣文玲, 王艳. 高分辨率影像定位的一种新方法 . 武汉大学学报 ● 信息科学版, 2004, 29(4): 363-366.
[19]	李平湘, 王智均. 高空间分辨率影像和多光谱影像融合的研究 . 武汉大学学报 ● 信息科学版, 2003, 28(1): 14-17.
[20]	黄桂兰, 郑肇葆. 空间灰度相关在影像纹理分类中的应用及分析 . 武汉大学学报 ● 信息科学版, 1995, 20(4): 301-304.