文献阅读《Feature Extraction With Multiscale Covariance Maps for Hyperspectral Image Classification》
一、文献介绍
于2019年发表在IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING上
二、文章摘要
提出了一种基于多尺度协方差图的特征提取方法,然后利用CNN来改进高光谱图像的分类。本文暂且不介绍后面的2D-CNN部分。
首先,通过MNF方法对原始的HSI降维与去噪。
MNF方法
MNF(最大噪声分离)是一种常用的高光谱图像降维方法,与PCA不同的是,它旨在最大化图像的SNR(信噪比)而不是方差;PCA在降维时是把方差最大的分量作为主成分分量,而在HSI中这样做最后只会保留小部分的PC分量,这些保留下来的分量无法保证大部分重要的光谱特征没有丢失。
根据信噪比来衡量图像质量的好坏,MNF将噪声分数较大的作为图像的主成分分量,公式如下:
其中,a是变换矩阵,SN是噪声的协方差矩