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

Simple item page
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
Files
Collections
地理研究