高光譜遙感圖像降維方法研究.pdf

1、高光譜遙感建立在電磁波譜理論、地學規(guī)律、電子技術(shù)、計算機技術(shù)及空間技術(shù)的基礎(chǔ)上，作為一門獨立的綜合性新興科學技術(shù)得以建立并迅速發(fā)展。由于高光譜遙感所特有的高光譜分辨率的性質(zhì)，其潛在的可用性已受到廣泛關(guān)注。針對多光譜圖像人們已經(jīng)研究了多種處理方法，技術(shù)趨于成熟，但是高光譜圖像的數(shù)據(jù)量大、數(shù)據(jù)維高，使通常的多光譜圖像處理方法對于高光譜圖像的應用有較大的限制，因此探求適合于高光譜圖像的處理方法是高光譜遙感應用必須優(yōu)先研究的課題。本文重點研究了

2、高光譜遙感圖像的降維方法，研究的主要內(nèi)容如下： 研究了高光譜遙感圖像的特性。驗證了高光譜遙感圖像較強的譜間相關(guān)性和較弱的空間相關(guān)性。 研究了基于主成分分析的降維方法。根據(jù)原始數(shù)據(jù)協(xié)方差陣的特征值和特征向量，可以計算主成分的貢獻率，對重要主成分貢獻率直接反應了信息量的大小，因此可根據(jù)它進行特征提取，實驗證明，該算法可以能夠獲得好的效果。 研究了基于小波變換和主成分分析的降維方法。主成分變換可以很好的壓縮信息，但由于

3、它的全局性，使得光譜特征和局部特征沒有被更好的保留下來；小波分解是在光譜維對每個像元進行的，它可以很好的保留光譜特征和局部特征。該算法充分利用兩種變換的優(yōu)勢，先對原始圖像進行小波變換，然后在變換域進行特征提取。實驗表明，該算法具有一定的優(yōu)越性。 研究了基于核主成分分析的降維方法。由于PCA只考慮了圖像數(shù)據(jù)中的二階統(tǒng)計信息，未能利用數(shù)據(jù)中的高階統(tǒng)計信息，忽略了多個像素間的非線性相關(guān)性。研究表明，一幅圖像的高階統(tǒng)計往往包含了圖像邊緣