...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>IEEE Geoscience and Remote Sensing Letters >Hyperspectral Image Compression Using JPEG2000 and Principal Component Analysis
【24h】

Hyperspectral Image Compression Using JPEG2000 and Principal Component Analysis

机译：使用JPEG2000和主成分分析的高光谱图像压缩

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 deployed in JPEG2000 to provide spectral decorrelation as well as spectral dimensionality reduction. The proposed scheme is evaluated in terms of rate-distortion performance as well as in terms of information preservation in an anomaly-detection task. Additionally, the proposed scheme is compared to the common approach of JPEG2000 coupled with a wavelet transform for spectral decorrelation. Experimental results reveal that, not only does the proposed PCA-based coder yield rate-distortion and information-preservation performance superior to that of the wavelet-based coder, the best PCA performance occurs when a reduced number of PCs are retained and coded. A linear model to estimate the optimal number of PCs to use in such dimensionality reduction is proposed.
机译：JPEG2000中部署了主成分分析（PCA），以提供光谱去相关以及光谱维数减少。根据速率失真性能以及异常检测任务中的信息保存来评估所提出的方案。此外，将提出的方案与JPEG2000的通用方法进行了比较，并结合了用于频谱去相关的小波变换。实验结果表明，所提出的基于PCA的编码器不仅具有优于基于小波的编码器的良率失真和信息保留性能，而且在保留数量较少的PC并进行编码时，PCA的性能最佳。提出了一种线性模型，用于估计要在此类降维中使用的PC的最佳数量。

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