Please use this identifier to cite or link to this item:
Title: Comparison of Principal Components Analysis and Minimum Noise Fraction Transformation for Reducing the Dimensionality of Hyperspectral Imagery
Other Titles: 主要成分分析與最小雜訊區段轉換對減少超光譜影像維數之比較
Authors: 陳哲銘
Issue Date: Nov-2000
Publisher: 地理學系
Department of Geography, NTNU
Abstract: 超光譜影像通常具有兩百個以上的連續波段,且各波段間存在高度相關,因此在影像分析前常需減少資料量以提昇運算效率,同時消除波段間的相關以減少分析誤差。本研究比較主成分分析與最小雜訊區段轉換這兩種轉換方法對減少超光譜影像資料維數的成效,結果證實最小雜訊區段轉換可正確根據影像品質的高低來排列主成分的次序,且有較高的訊號雜訊比,因此比主成分分析更適用於壓縮超光譜資料。
Other Identifiers: 601A45EF-D21E-8AAA-DFED-1B5D523AC031
Appears in Collections:地理研究

Files in This Item:
There are no files associated with this item.

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.