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。這使得對地物的分辨更加準確，但這不僅給數(shù)據(jù)的存儲和傳輸帶來了困難，也給數(shù)據(jù)的處理帶來了巨大的挑戰(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重要問題。 特征提取和波段選擇是目前國內外主要使用的降維算法。主成分分析(PCA)作為一個多元數(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、為了克服這個缺點，本文在對PCA在進行深入研究的基礎上，提出了四種波段選擇算法，并將它們應用于高光譜圖像分割中，本文主要工作如下： 1.提出了一種基于權值的波段選擇算法。在主成分變換中，各個主成分可以看作是以變換矩陣元素為權值由原始波段進行加權而得到的，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，實驗證明這種方法簡單可行。 2.提出了一種基于貢獻率的波段選擇算法。根據(jù)原始數(shù)據(jù)協(xié)方

3、差陣的特征值和特征向量，可以計算各個波段對給定主成分的貢獻率，對重要主成分貢獻率的和直接反應了波段信息量的大小，因此可根據(jù)它選擇波段，實驗證明，該方法效果較好，且計算量小。 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程中，相關性較強的兩個波段可能被同時選擇，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。解決這個問題的一個簡便的方法是先對原始波段進行分段，在分段的基礎上進行波段

4、選擇。 4.提出了一種小波變換和主成分分析相結合的波段選擇算法。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，然后在變換域進行波段選擇。實驗表明，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、目標跟蹤、目標識別等許