基于稀有特征保持的高光譜遙感圖像維數(shù)分析.pdf

1、高光譜遙感圖像具有數(shù)據(jù)量大、冗余高等特點，為了更加有效地分析此類數(shù)據(jù)，有必要對數(shù)據(jù)進(jìn)行降維，而本征維數(shù)分析正是數(shù)據(jù)降維的基礎(chǔ)，其難點在于不僅要分析地物的主成分特征，而且要考慮保持一些具有特殊應(yīng)用價值的稀有特征。本文以“基于端元特征提取的高光譜遙感圖像壓縮”國家自然科學(xué)基金課題為背景，對其關(guān)鍵技術(shù)之一—高光譜圖像的本征維數(shù)分析進(jìn)行了探索與研究，以期利用確定的本征維數(shù)提高高光譜遙感圖像壓縮的質(zhì)量。論文的主要研究成果及創(chuàng)新如下：
　　(

2、1)系統(tǒng)地分析和總結(jié)了多種虛擬維數(shù)分析算法，針對經(jīng)典虛擬維數(shù)分析算法的不足，提出了一種噪聲抑制的虛擬維數(shù)分析算法：①對高光譜數(shù)據(jù)進(jìn)行分解，降低了數(shù)據(jù)的處理量；②設(shè)定滑動噪聲檢測窗口，增強了算法的抗噪性能，有效提高了維數(shù)分析的準(zhǔn)確性；
　　(2)針對線性維數(shù)分析方法的不足，研究了一類非線性學(xué)習(xí)方法—流形學(xué)習(xí)，并將其應(yīng)用在在高光譜維數(shù)分析中，提出了基于流形學(xué)習(xí)的高光譜圖像維數(shù)分析算法，通過將其與線性維數(shù)分析方法比較，得出所提算法的優(yōu)勢

3、與不足，為基于稀有空間保持的維數(shù)分析算法的提出打下了基礎(chǔ)；
　　(3)針對現(xiàn)有本征維數(shù)分析方法的不足—沒有考慮稀有特征的保持，深入研究了基于稀有特征保持的維數(shù)分析方法，實現(xiàn)了一種能夠廣泛用于高光譜圖像維數(shù)分析的新算法：①利用噪聲抑制的虛擬維數(shù)算法確定本征維數(shù)的初始值，降低了信噪比變化對維數(shù)分析的影響；②利用基于流形學(xué)習(xí)的維數(shù)分析算法展開高光譜數(shù)據(jù)，得到本征維數(shù)的可靠上限，復(fù)雜度較低；③用基于剩余能量奇異值分解修正本征維數(shù)得初始值，