ENVI实现遥感影像主成分分析（PCA）

最新推荐文章于 2024-05-20 09:37:07 发布
最新推荐文章于 2024-05-20 09:37:07 发布
阅读量2.1w 收藏 138
点赞数 7
分类专栏： 遥感图像处理 文章标签： 大数据
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_42840712/article/details/110729314
版权
本文介绍了如何使用ENVI软件对遥感影像进行主成分分析（PCA）。通过加载多波段影像，然后选择Transform菜单下的PCA Rotation进行前向PCA旋转，设置输出文件和主成分数目，最终得到各主成分的累计方差情况。
摘要由CSDN通过智能技术生成

ENVI 实现遥感影像主成分分析

主成分原理就不多给大家讲了，可以参考Python实现PCA，直接上操作步骤。
1、打开/加载影像（多波段影像）
在这里插入图片描述
2、进行主成分分析
选择Transform------>PCA Rotation------->Forward PCA Rotation New Statistics and Rotate:
在这里插入图片描述
3、点击OK：
在这里插入图片描述
4、设置输出文件位置，并设置主成分数目，这里默认为10，最后点击OK：
在这里插入图片描述
5、结果(各主成分累计方差情况)
在这里插入图片描述

蜡笔小新不怕辣
关注
  • 7
    点赞
  • 踩
  • 138
    收藏
    觉得还不错? 一键收藏
  • 15
    评论
专栏目录
【教程】ENVI主成分分析详解
YW_remote的博客
08-30 1万+
主成分分析(PCA)是一种统计方法，简而言之就是用几种特性去描述事物。每个事物都可以用不同的特性去进行表达，但这些特性一般而言是存在相互的融合和冗余，而用主成分分析方法将这些特性进行转换成不相关的新特性。 在ENVI软件中共提供了三种主成分分析方式分别为：(1)Forward PCA Rotation Existing Statistics（2）Forward PCA Rotation New Statistics and Rotate（3）Inverse PCA Rotati...
ENVI遥感影像处理专题与实践 光盘数据1
03-30
光盘数据可能包含高光谱影像，ENVI提供强大的高光谱数据分析工具，如光谱指数计算、光谱库匹配、主成分分析（PCA）、独立成分分析（ICA）等，可用于地物识别和环境监测。 5. 时间序列分析： 对于多时相遥感数据，...
ENVI5.3.1使用Landsat 8影像进行主成分分析实例操作_PeanutbutterBoh的博客-CSDN博客_envi主成分分析.pdf
03-30
ENVI5.3.1使用Landsat 8影像进行预处理及分析实例操作 主成分分析直接在裁剪后的新郑市区域进行操作。 导入新郑市区域的影像subsect_xinzheng.dat，在工具箱中选择Transform——PCA Rotation——Forward PCA Rotation New Statics and Rotate工具。在弹出的对话框中选择影像数据。点击OK后出现Forward PC Parameters对话框。其中Stats X/Y Resize Factor系数用于计算统计值时的数据重采样，如果系数小于1会加 快计算速度。这里设置为默认。
【图像融合】PCA遥感影像（高光谱和多波段）融合（含熵值 相关系数 光谱扭曲度 均方根误差 交叉熵 峰值信噪比）【含Matlab源码 4432期】
最新发布
Matlab912100926的博客
05-20 792
PCA遥感影像（高光谱和多波段）融合（含熵值 相关系数 光谱扭曲度 均方根误差 交叉熵 峰值信噪比） 完整的代码，方可运行；可提供运行操作视频！适合小白！
ENVI图像处理（4）：主分量变换（主成分分析、PCA）
lzx的博客
05-17 2万+
PCAPCA主成分分析基本概念协方差矩阵特征值和特征向量PCA思想优缺点PCA基本步骤PCA-code（python）ENVI的PCA操作 PCA主成分分析 特征变换的目的在于使地物集中在几个主要的波谱段上，在保证信息容量最大化的前提下压缩参与分类的数据量，以提高分类速度。 此处主要介绍主分量变换，也叫做主成分分析（Principal component analysis，PCA） 基本概念 首先来介绍一些基本概念 协方差矩阵 方差：针对一维集合，反映了其离散程度。是协方差的一种特殊情况 协方差矩阵：针对
ENVI5.3.1使用Landsat 8影像进行主成分分析实例操作
PeanutbutterBoh的博客
04-19 2万+
主成分分析直接在裁剪后的新郑市区域进行操作。
基于arcgis /envi PCA(主成分分析)实现过程
Corollary的博客
04-08 2287
基于arcgis /envi PCA(主成分分析)实现过程。
主成分分析（PCA)实现|GEE（附代码）、Envi、EnviClassic三种方法实现
weixin_64067729的博客
11-11 3660
一个不断完善的教程
matlab / ENVI 主成分分析实现及结果分析
PeanutbutterBoh的博客
07-03 5852
matlab ENVI实现主成分分析
envi遥感处理手册与参考书
02-20
5. 高级处理技术：包括波段组合、主成分分析（PCA）、光谱指数计算等，这些技术有助于发现影像中的隐藏信息和减少噪声。 6. 分析与建模：ENVI提供了一系列的分析工具，如统计分析、时间序列分析等，同时可以结合GIS...
ENVI_IDL.zip
08-17
IDL支持MNF（主成分分析）、PCA（主成分分析）等多种融合方法，有助于提升影像的信息含量和解释性。 遥感影像叠加则是将不同波段或不同时间的遥感影像进行组合，揭示地表特征的空间和时间变化。例如，通过叠加不同...
主特征分析（PCA）解析
03-21
PCA讲解的很透彻，还有实例代码，简单易懂
主成分分析法（PCA）
09-04
本课件详细的介绍了主成分分析法，值得读读。
遥感影像主成分变换
10-22
这代码主要是用于遥感影像的主成分变换，实现遥感影像的信息分离
基于主成分变换的遥感影像变化检测
10-15
基于遥感影像的地物变化检测一直是土地利用、资源普查等方面的研究热点与重点。本文基于Landsat TM影像，以某地区两期不同地区的影像为研究区域，基于主成分变换设计了一种有效的快速变化检测方法。首先，本文提取不同时期影像的多个特征，然后组合成特征向量，通过差值的方式得到两期影像的差值图，并对该差值图进行主成分分析，以第一波段为主要变化实验图，基于ostu自动阈值化，来自动获取变化图，经过实验表明，该方法简单有效，能够满足大范围变化检测的需求。
基于Matlab的快鸟影像主成分处理研究.pdf
10-30
### 基于Matlab的快鸟影像主成分处理研究 #### 一、研究背景与意义 随着现代遥感技术的迅速发展，航空遥感与航天遥感之间的界限逐渐模糊。2001年10月，美国DigitalGlobe公司成功发射了亚米级高分辨率的商用快鸟...
主成分分析(PCA)原理及推导
热门推荐
学无常师，负笈不远险阻
12-30 8万+
在数据挖掘或者图像处理等领域经常会用到主成分分析，这样做的好处是使要分析的数据的维度降低了，但是数据的主要信息还能保留下来，并且，这些变换后的维两两不相关！至于为什么？那就接着往下看。在本文中，将会很详细的解答这些问题：PCA、SVD、特征值、奇异值、特征向量这些关键词是怎么联系到一起的？又是如何在一个矩阵上体现出来？它们如何决定着一个矩阵的性质？能不能用一种直观又容易理解的方式描述出来？
python典型安装_Python主成分分析-经典案例分析
weixin_39545310的博客
11-23 435
前期已经学了如何建立变量之间的相关关系及如何分类，接下来要分析如果变量太多，或可以通过降维再进行分析，就要用到降维技术：主成分分析。案例比较少，我们拿鸢尾花和拉面的经典案例来做分析。主成分分析：将多个变量融合成一个变量，使得变量的个数大大降低，并且能够将有相关关系的几个指标合并为1个，消除变量之间的多重共线性。举例如下，x1，x2，x3这三个自变量中，只有x1的变化能解释y1的变化：主成分分析主要...
评论 15
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值