MNF
挣扎的青椒
模式识别 遥感图像处理 机器学习
展开
-
MNF最小噪声分离变换(转)
一、MNF原理: 最小噪声分离变换(Minimum Noise Fraction Rotation,MNF Rotation)工具用于判定图像数据内在的维数(即波段数),分离数据中的噪声,减少随后处理中的计算需求量。MNF本质上是两次层叠的主成分变换。第一次变换(基于估计的噪声协方差矩阵)用于分离和重新调节数据中的噪声,这步操作使变换后的噪声数据只有最小的方差且没有波段间的相关。第二步转载 2017-02-10 23:17:12 · 30703 阅读 · 0 评论 -
MNF推导
MNF是由Green等[65]于1988年在PCA的基础上提出。MNF首先对数据噪声进行估计,得到噪声协方差矩阵,用于分离和调节数据中的噪声,去除数据噪声的相关性,并对噪声进行归一化处理,得到方差为1且不相关的噪声数据;然后,分别对噪声数据和信号数据进行PCA变换,并求PCA变换后数据的信噪比;最后,由大到小排列信噪比,得到数据的各主成分信息。PCA是根据方差大小来获取主成分信息,而MNF是由信噪转载 2017-02-10 23:40:22 · 5252 阅读 · 1 评论