Comparison of Principal Components Analysis and Minimum Noise Fraction Transformation for Reducing the Dimensionality of Hyperspectral Imagery

dc.contributor.author	陳哲銘	zh_tw
dc.date.accessioned	2014-10-27T15:40:27Z
dc.date.available	2014-10-27T15:40:27Z
dc.date.issued	2000-11-??	zh_TW
dc.description.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。	zh_tw
dc.identifier	601A45EF-D21E-8AAA-DFED-1B5D523AC031	zh_TW
dc.identifier.uri	http://rportal.lib.ntnu.edu.tw/handle/20.500.12235/23692
dc.language	英文	zh_TW
dc.publisher	地理學系	zh_tw
dc.publisher	Department of Geography, NTNU	en_US
dc.relation	(33)，163-178	zh_TW
dc.relation.ispartof	國立臺灣師範大學地理研究報告	zh_tw
dc.subject.other	超光譜影像	zh_tw
dc.subject.other	資料維數	zh_tw
dc.subject.other	主成分分析	zh_tw
dc.subject.other	最小雜訊區段轉換	zh_tw
dc.subject.other	訊號雜訊比	zh_tw
dc.title	Comparison of Principal Components Analysis and Minimum Noise Fraction Transformation for Reducing the Dimensionality of Hyperspectral Imagery	zh-tw
dc.title.alternative	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	zh_tw

Collections