经验模态分解在高光谱遥感数据处理中的应用

被引量 : 1次 | 上传用户:Ningyuan321
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
高光谱遥感具有高的光谱分辨率,能为像元提供几乎连续的波谱曲线,高光谱遥感具备反演地物细节的能力。高光谱数据是复杂的非线性非平稳信号,经验模态分解(Empirical Mode Decomposition,简称EMD)是一种新的自适应时频分析方法,经EMD分解后的各个特征模态函数能突出原始信号的局部特征,从而更加方便地对非线性非平稳信号进行处理与分析。因此,本文尝试将EMD方法应用于复杂的高光谱数据中。本文主要工作有:(1)仔细探究常见时频分析方法及其局限性,深入研究经验模态分解的基本原理以及Huan
其他文献
数据分类是数据挖掘技术中的基础和重点,大数据的到来伴随着数据量和数据维数的不断增加,这导致了传统的数据分类技术产生巨大的局限性。要精准快速进行数据分类需要多种数据
MOOC(massive open online courses),即大型开放式网络课程,MOOC平台一般都是面向全球或者某个特定范围群体,通过MOOC网络平台向学生传授知识正如火如荼、在全球范围内迅猛发
公钥密码系统已经广泛应用于信息安全领域。目前国际上流行的公钥密码系统有两类:基于大整数分解难题的RSA系统和基本椭圆曲线上的离散对数难题的ECC系统。 模乘是这两类