...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Geoscience and Remote Sensing Letters, IEEE >Segmented Principal Component Analysis for Parallel Compression of Hyperspectral Imagery
【24h】

Segmented Principal Component Analysis for Parallel Compression of Hyperspectral Imagery

机译：高光谱图像并行压缩的分段主成分分析

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Principal component analysis (PCA) is widely used for spectral decorrelation in the JPEG2000 compression of hyperspectral imagery. However, due to the data-dependent nature of principal components, the principal component transform matrix is stored in the JPEG2000 bitstream, constituting an overhead that is often negligible if the spatial size of the image is large. However, in parallel compression in which the data set is partitioned to multiple independent processing nodes, the overhead may no longer remain negligible. It is shown that a segmented approach to PCA can greatly mitigate the detrimental effects of transform-matrix overhead and can outperform wavelet-based decorrelation which entails no such overhead.
机译：主成分分析（PCA）在高光谱图像的JPEG2000压缩中被广泛用于光谱解相关。但是，由于主要成分的数据相关性，主要成分变换矩阵存储在JPEG2000位流中，构成开销，如果图像的空间大小较大，则开销通常可以忽略不计。但是，在并行压缩中，数据集被划分为多个独立的处理节点，开销可能不再可忽略不计。结果表明，针对PCA的分段方法可以极大地减轻变换矩阵开销的不利影响，并且可以胜过基于小波的去相关，而无需基于小波的去相关。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号