i.pcagrass - 云端在线

程序：

您的姓名

个人电脑 - 用于图像处理的主成分分析 (PCA)。

关键词

图像、变换、PCA、主成分分析

概要

个人电脑
个人电脑 - 帮帮我
个人电脑 [-nf] 输入=姓名[,姓名……] 产量=基本名 [重新缩放=最小，最大[百分=整数]
[--覆盖] [--帮助] [--详细] [--安静] [--ui]

标志：
-n
标准化（中心和比例）输入图
默认值：仅居中

-f
输出将被过滤输入波段
在 PCA 之后应用逆 PCA

--覆盖
允许输出文件覆盖现有文件

- 帮帮我
打印使用摘要

--详细
详细模块输出

- 安静的
静音模块输出

--用户界面
强制启动 GUI 对话框

参数：
输入=姓名[,姓名……] [必需的]
两个或多个输入栅格地图或影像组的名称

产量=基本名 [必需的]
输出 basename 栅格地图的名称
将为每个组件图添加数字后缀

重新缩放=最小，最大
输出地图的重新缩放范围
对于不重新缩放使用 0,0
默认： 0,255

百分=整数
过滤的累积百分比重要性
选项： 50-99
默认： 99

商品描述

个人电脑 是基于 Vali (1990) 提供的算法的图像处理程序，即
处理 n (n >= 2) 个输入栅格地图图层并生成 n 个输出栅格地图图层
包含输入数据的主成分，按方差降序排列
（“对比”）。 输出栅格地图图层的名称为 .1, .2, ... .n
后缀。 用作后缀的数字对应于重要性百分比，1 是
重要性最高的主成分的得分。

阅读当前的地理区域定义和 MASK 设置
输入栅格地图图层。 当使用 rescale 选项时，输出文件被重新缩放为
适合最小，最大范围。

输入波段的顺序对于输出地图（PC 分数）无关紧要，但
向量（载荷）很重要，因为每个载荷都指向一个特定的输入波段。

如果输出没有重新缩放（重新缩放=0,0，输出栅格地图将是 DCELL 类型，
否则输出栅格地图将是 CELL 类型。

默认情况下，输入栅格地图的值分别以每个地图为中心
x - 意味着。 同 -n，输入栅格地图分别针对每个地图进行归一化 (x -
意思） / 标准差. 当输入栅格地图具有以下特征时，强烈建议进行归一化
不同的单位，例如代表不同的环境参数。

这款 -f 旗帜，连同 百分 选项，可用于从输入中去除噪声
乐队。 输入波段将根据主成分的子集重新计算（逆
PCA）。 仅使用最重要的（最高特征值）选择子集
共同解释的主成分 百分 在输入中观察到的百分比方差
乐队。

附注

Richards (1986) 给出了一个很好的应用主成分分析的例子
(PCA) 到澳大利亚一个被烧毁地区的 LANDSAT 图像的时间序列。

特征值和特征向量信息存储在输出地图的历史文件中。 看法
- 信息.

例

使用北卡罗来纳州样本数据集中的 Landsat7 影像进行 PCA 计算：
g.region 光栅=lsat7_2002_10 -p
i.pca in=lsat7_2002_10,lsat7_2002_20,lsat7_2002_30,lsat7_2002_40,lsat7_2002_50,lsat7_2002_70 \
输出=lsat7_2002_pca
r.info -h lsat7_2002_pca.1
特征值、（向量）和[重要性百分比]：
PC1 4334.35 (0.2824, 0.3342, 0.5092,-0.0087, 0.5264, 0.5217) [83.04%]
PC2 588.31 (0.2541, 0.1885, 0.2923,-0.7428,-0.5110,-0.0403) [11.27%]
PC3 239.22 ( 0.3801, 0.3819, 0.2681, 0.6238,-0.4000,-0.2980) [ 4.58%]
PC4 32.85 ( 0.1752,-0.0191,-0.4053, 0.1593,-0.4435, 0.7632) [ 0.63%]
PC5 20.73（-0.6170、-0.2514、0.6059、0.1734、-0.3235、0.2330）[0.40%]
PC6 4.08 (-0.5475, 0.8021,-0.2282,-0.0607,-0.0208, 0.0252) [ 0.08%]
d.mon wx0
d.rasat lsat7_2002_pca.1
#...
d.rasat lsat7_2002_pca.6
在这个例子中，前两个 PCA（PCA1 和 PCA2）已经解释了 94.31% 的方差
在六个输入通道中。

根据 Landsat7 图像（美国北卡罗来纳州）计算得出的 PCA 地图

使用 onworks.net 服务在线使用 i.pcagrass