Chúng tôi đã phát triển các phân tích biệt hạn chế tuyến tính (CLDA) thuật toán phân loại hình ảnh hyperspectral [1, 2]. Trong CLDA, bản gốc chiều cao Dự kiến vào một dữ liệu thấp chiều không gian như được thực hiện bởi Fisher'sLDA, nhưng khác nhau Buộc các lớp học được để trở Cùng hướng khác nhau trong không gian này thấp chiều. Malthus tất cả các lớp học được tốt hơn dự kiến để trở thành tách và phân loại các IS đạt được cùng một lúc CLDA với biến đổi. Các ma trận chuyển đổi trong CLDA tối đa hóa tỷ lệ. | Chapter 17 Real-Time Online Processing of Hyperspectral Imagery for Target Detection and Discrimination Qian Du Missisipi State University Contents Real-Time Implementation .399 BIP BIL Format .401 BSQ Computer Practical Considerations .404 Algorithm Simplification Using R-1 .404 Algorithm Implementation with Matrix Inversion .405 Unsupervised Processing .405 Application to Other Techniques .407 Summary . 407 References .408 Hyperspectral imaging is a new technology in remote sensing. It acquires hundreds of images in very narrow spectral bands normally 10nm wide for the same area on the Earth. Because of higher spectral resolutions and the resultant contiguous spectral signatures hyperspectral image data are capable of providing more accurate identification of surface materials than multispectral data and are particularly useful in national defense related applications. The major challenge of hyperspectral imaging is how to take full advantage of the plenty spectral information while efficiently handling the data with vast volume. In some cases such as national disaster assessment law enforcement activities and military applications real-time data processing is inevitable to quickly process data and provide the information for immediate response. In this chapter we present a realtime online processing technique using hyperspectral imagery for the purpose of target 397 2008 by Taylor Francis Group LLC 398 High-Performance Computing in Remote Sensing detection and discrimination. This technique is developed for our proposed algorithm called the constrained linear discriminant analysis CLDA approach. However it is applicable to quite a few target detection algorithms employing matched filters. The implementation scheme is also developed for different remote sensing data formats such as band interleaved by pixel BIP band .
