p********t
发帖数: 1219 | 1 高光谱遥感带来两个最大问题，一个是数据量过多。前面说了，同样空间分辨率的光谱仪
器，数据量和波段数目成正比。在很多基本的分类算法中，要计算数据的协方差矩阵，计
算量
要平方。另外一个问题就是所谓的Hughes Phenomenon。在分类时通常要已知一些地面上
的
“纯” 的象素，这些象素都代表地面上同一类物质，由这些象素的光谱来决定这一类象
素的光谱特征，如平均值，协方差。这些数据就是training data。当波段数提高时，需
要的“纯”数据随其平方数增加。而一副图像里面很难找到那么多“纯”的数据(如果事
先就知道那么多，就不用遥感了)。所以通常要对这些数据进行处理。一个波段的输出对
应一个特征（feature)。有些特征是没有用的，通过一些算法可以去除没有用的特征 (
selection)，通过一些另外的算法并不去掉某些特征而是从中提取有用的部分(
extraction)，比如MNF，相当于去噪声滤波。这就好比要分别一个人是男人女人，光谱仪
器可能给你100个特征，什么身高体重三围衣着文化程度等等，大部分是没用的。如果看 |
a*******r
发帖数: 7558 | |
p********t
发帖数: 1219 | 3 高光谱基本上说是误入歧途了。想法自然是好的，高光谱可以更准确的描述地面的信息。
实际上根本不是那么回事。除了计算量巨大，数据冗余度也太高。而按照现在的信息
提取extraction算法剩余的信息，基本上也就和多光谱探测器的数据差不多了。
而且scene里面的噪声或者witin-class variation使得高spectral resolution变
得没有意义。
常常简单地把相邻几个波段的数据简单加就进行图像处理，把高光谱探测器当作adaptive
的多光谱探测器。
我做了一些simulation，说明高光谱探测器很无聊。 |
t********r
发帖数: 4908 | 4 好！希望你的paper多被人读读
省得我们这些打工的天天背大硬盘
我记得我的本科毕业论文是写的优化组合高光谱波段
结论居然是只要6个段就够了
比人家tm还少，你说是不是无聊的很？
。
adaptive
【在 p********t 的大作中提到】
: 高光谱基本上说是误入歧途了。想法自然是好的，高光谱可以更准确的描述地面的信息。
: 实际上根本不是那么回事。除了计算量巨大，数据冗余度也太高。而按照现在的信息
: 提取extraction算法剩余的信息，基本上也就和多光谱探测器的数据差不多了。
: 而且scene里面的噪声或者witin-class variation使得高spectral resolution变
: 得没有意义。
: 常常简单地把相邻几个波段的数据简单加就进行图像处理，把高光谱探测器当作adaptive
: 的多光谱探测器。
: 我做了一些simulation，说明高光谱探测器很无聊。
|
p********t
发帖数: 1219 | 5 前几个月花一个多小时在版上即时写的。那是个科普版，所以写得特别浅。
今天懒得说话了。先看国米的比赛，弱得一塌糊涂。反正被淘汰了，这个赛季不用看了。
【在 a*******r 的大作中提到】
: 哪来的，自己码出来的？
|
t********r
发帖数: 4908 | 6 这高光谱大堆的冗余，不知道是谁想出来的
害我花了2个200g的硬盘装数据
一天背着个大硬盘，比我的laptop还重
烦死了
仪
计
上
象
需
事
对
【在 p********t 的大作中提到】
: 高光谱遥感带来两个最大问题，一个是数据量过多。前面说了，同样空间分辨率的光谱仪
: 器，数据量和波段数目成正比。在很多基本的分类算法中，要计算数据的协方差矩阵，计
: 算量
: 要平方。另外一个问题就是所谓的Hughes Phenomenon。在分类时通常要已知一些地面上
: 的
: “纯” 的象素，这些象素都代表地面上同一类物质，由这些象素的光谱来决定这一类象
: 素的光谱特征，如平均值，协方差。这些数据就是training data。当波段数提高时，需
: 要的“纯”数据随其平方数增加。而一副图像里面很难找到那么多“纯”的数据(如果事
: 先就知道那么多，就不用遥感了)。所以通常要对这些数据进行处理。一个波段的输出对
: 应一个特征（feature)。有些特征是没有用的，通过一些算法可以去除没有用的特征 (
|
