基于特征值间隙法的高光谱图像内在维度估计
应用统计
2016-06-29 v1 计算机视觉与模式识别
摘要
线性混合模型常用于将高光谱数据立方体表示为端元光谱的线性组合。然而，确定嵌入噪声中的图像的端元数量是一项关键任务。本文提出了一种全自动方法来估计高光谱图像中的端元数量。该估计基于随机矩阵理论中关于所谓尖峰总体模型 (spiked population model) 的最新结果。更具体地说，我们研究了由高维噪声样本构建的样本协方差矩阵的连续特征值之间的间隙。由此产生的估计策略是无监督的，并且对相关噪声具有鲁棒性。该策略在合成图像和真实图像上均得到了验证。实验结果非常有前景，表明该算法相对于最先进 (state-of-the-art) 算法具有准确性。
引用
@article{arxiv.1501.05552,
title = {Estimating the Intrinsic Dimension of Hyperspectral Images Using an Eigen-Gap Approach},
author = {A. Halimi and P. Honeine and M. Kharouf and C. Richard and J. -Y. Tourneret},
journal= {arXiv preprint arXiv:1501.05552},
year = {2016}
}
备注
21 pages, 4 figures and 4 tables