高光譜圖像降維及分割研究.pdf

1、高光譜遙感數(shù)據(jù)具有波段眾多、光譜分辨率高、數(shù)據(jù)量大等特點(diǎn)。這使得對(duì)地物的分辨更加準(zhǔn)確，但這不僅給數(shù)據(jù)的存儲(chǔ)和傳輸帶來(lái)了困難，也給數(shù)據(jù)的處理帶來(lái)了巨大的挑戰(zhàn)。因此如何有效的降低高光譜圖像的維數(shù)，減少數(shù)掘量是高光譜圖像分析中的一個(gè)重要問(wèn)題。 特征提取和波段選擇是目前國(guó)內(nèi)外主要使用的降維算法。主成分分析(PCA)作為一個(gè)多元數(shù)據(jù)分析的工具，在基于特征提取的降維算法中被普遍使用，但這種降維改變了原始波段的物理意義，使圖像的解譯變得困難。

2、為了克服這個(gè)缺點(diǎn)，本文在對(duì)PCA在進(jìn)行深入研究的基礎(chǔ)上，提出了四種波段選擇算法，并將它們應(yīng)用于高光譜圖像分割中，本文主要工作如下： 1.提出了一種基于權(quán)值的波段選擇算法。在主成分變換中，各個(gè)主成分可以看作是以變換矩陣元素為權(quán)值由原始波段進(jìn)行加權(quán)而得到的，因此，變換矩陣元素的一定組合可以反映原始波段的信息含有量，根據(jù)它可以選擇出有效的波段，實(shí)驗(yàn)證明這種方法簡(jiǎn)單可行。 2.提出了一種基于貢獻(xiàn)率的波段選擇算法。根據(jù)原始數(shù)據(jù)協(xié)方

3、差陣的特征值和特征向量，可以計(jì)算各個(gè)波段對(duì)給定主成分的貢獻(xiàn)率，對(duì)重要主成分貢獻(xiàn)率的和直接反應(yīng)了波段信息量的大小，因此可根據(jù)它選擇波段，實(shí)驗(yàn)證明，該方法效果較好，且計(jì)算量小。 3.提出了一種基于分段主成分分析的波段選擇算法。前面兩種方法在選擇波段的過(guò)程中，相關(guān)性較強(qiáng)的兩個(gè)波段可能被同時(shí)選擇，而且由于主成分變換是一種全局變換，某些局部比較重要的波段可能被漏選。解決這個(gè)問(wèn)題的一個(gè)簡(jiǎn)便的方法是先對(duì)原始波段進(jìn)行分段，在分段的基礎(chǔ)上進(jìn)行波段

4、選擇。 4.提出了一種小波變換和主成分分析相結(jié)合的波段選擇算法。主成分變換可以很好的壓縮信息，但由于它的全局性，使得光譜特征和局部特征沒(méi)有被更好的保留下來(lái)；小波分解是在光譜維對(duì)每個(gè)像元進(jìn)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(shì)，先對(duì)原始圖像進(jìn)行小波變換，然后在變換域進(jìn)行波段選擇。實(shí)驗(yàn)表明，與前三種算法相比，該算法可以將圖像降到更低的維數(shù)。 5.高光譜圖像分割是圖像理解、目標(biāo)跟蹤、目標(biāo)識(shí)別等許