排序方式: 共有3条查询结果,搜索用时 0 毫秒
1.
局部线性嵌入算法(LLE)能很好保存数据点的局部性质,因此有很好的数据可视化效果,但它不是一种很好的面向分类的特征提取方法。因为它存在样本外点学习能力差和忽略了样本类别信息的缺点。对此,本文提出一种分类型局部线性嵌入算法。所提方法通过计算重构误差来判定样本类别,并引进平移向量和缩放因子对距离修正,显著提高类别可分性。在对高光谱影像进行分类的试验中验证了该方法的有效性。
相似文献
2.
低空遥感是遥感影像数据获取的重要手段之一,点特征是最常用的影像特征,目前存在多种点特征提取算法.本文根据低空遥感数字影像的特点和实际应用中的要求,利用探测速度、适应性、提取效能三个特征提取算法的比较标准对常用的点特征提取算子进行了比较.为针对不同特点的低空遥感数字影像,选择某点特征提取算法提供依据.
相似文献
3.
提出一种基于SURF算子和特征偏移一致性准则的无人飞行器红外序列影像配准的方法。该方法采用SURF算子对特征点进行提取和匹配。SURF算子仅考虑点的局部信息,没有考虑特征点集的几何信息。本文采用特征偏移一致性准则来剔除误匹配点对,提高特征点对的匹配精度,所得到的特征点集采用LM非线性优化进行单应矩阵求解配准,与其他算法相比,本方法适合于红外序列影像快速拼接,有较好的实用效果和鲁棒性。
相似文献