论文摘要
基于峭度指标的FastICA算法具有较快的收敛速度和较高的计算效率,被广泛应用于多光谱图像的特征提取。经典的FastICA算法基于固定点迭代法得到图像的各个独立成分,在迭代过程中,每一个独立成分的求解都需要所有像元的参与。因此,当数据量较大或图像中像元较多时,FastICA的计算量很大,此时它的速度优势就会大打折扣。遥感数据一般都具有较大的尺寸,因此如何将FastICA直接应用于遥感数据,是一个具有实际意义的问题。通过引入多光谱图像协峭度张量的概念,将FastICA的固定点迭代问题转化为代数形式的张量计算,避免每次迭代过程中需所有像元参与的缺陷,因而大大降低计算复杂度。多光谱图像实验结果表明,该算法明显快于传统的基于峭度指标的FastICA算法。
论文目录
文章来源
类型: 期刊论文
作者: 孟令博,耿修瑞,杨炜暾
关键词: 高阶统计特性,峭度指标,协峭度张量
来源: 中国科学院大学学报 2019年03期
年度: 2019
分类: 基础科学,工程科技Ⅱ辑,信息科技
专业: 工业通用技术及设备,计算机软件及计算机应用,自动化技术
单位: 中国科学院电子学研究所中国科学院空间信息处理与应用系统技术重点实验室,中国科学院大学
基金: 国家自然科学基金(41601402,41701539)资助
分类号: TP751;TP301.6
页码: 410-416
总页数: 7
文件大小: 445K
下载量: 151