基于PCA的高光谱遥感图像分类

《基于PCA的高光谱遥感图像分类》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于PCA的高光谱遥感图像分类宋海峰陈广胜杨巍巍东北林业大学信息与计算机工程学院黑龙江工程学au院计算机科学与技术学院哈尔滨工程大学计算机科学与技术学院摘要：高光谱遥感图像的出现进一步提升遥感图像分类的准确性，但高光谱遥感图像的数据量大，处理高光谱遥感图像复杂度高、效率低。为解决这一问题，将主成分分析算法作为遥感图像分类的预处理技术。分析主成分分析算法的原理，利用主成分分析算法提取高光谱图像的主要波段图像。通过实验验证得出结论:高光谱遥感图像的主波段图像包含分类所需的大部分信息，利用少数的主波段图像即可达到70%以上的分类正确率。实验结果表明，在保证分类正确率的前提下，PCA算法可

2、有效地减少图像分类处理的数据量，提高图像的处理效率。关键词：高光谱;遥感图像;主成分分析;图像分类;作者简介：宋海峰（1981-），男，讲师，博士研究生.作者简介：陈广胜（1969-）,男，教授，博士.收稿日期：2017-02-04基金：黑龙江省自然科学基金资助项目（ZD201403）PrincipalcomponentanalysisforhyperspectralimageclassificationSONGHaifengCHENGuangshengYANGWeiweiCollegeofInfornia/tionandComputer,Northe^tForestryUnive

3、rsity;ComputerScienceandTechnology,HeilongjiangInstituteofTechnology;Abstract：Theavailabilityofhyperspectralimagesenhancestheaccuracyofremotcsensingimageclassification,buttheproblemisthehightimecomplexityandlowexecutionefficiencywhenprocessingthehyperspectralimage,becauseofthehugedataofhypersp

4、ectralimage.Inordertosolvetheproblems,thisworkusestheprincipalcomponentanalysisalgorithmastheprcprocessingtechniquefortheclassifiedtionofhyperspectralimages.First,theprincipleofprincipalcomponentanalysisalgorithmisanalyzed.Second,theprincipalcomponentanalysisalgorithmisusedtoextracttheprincipa

5、lcomponentimagebandsofhyperspectralimages.Abriefpresentationoftheprinoipalcomponentanalysisapproachisfollowedbyanexamination,whichrevealsthattheprincipalcomporientimagebandscontainsignificantinformation.Theuseofthefirstfewprincipalcomponentimagescanyieldabout70percentcorrectclassificationrate.

6、Thisstudysuggeststhatwiththepremiseofensuringclassificationaccuracy,theamountofdatafortheclassificationofhyperspectralimagescanbereducedeffectivelyandtheexecutionefficiencycanbeimproved.Keyword：hyperspectral;remotesensorimages;principalcomponentanalysis;imageclassification;Received：2017-02-04光

7、谱分辨率是高光谱遥感图像的重要指标参数，利用光谱分辨率可以确定待分类图像的光谱特征UL光谱分辨率是指单幅图像的光谱范围，高光谱图像的光谱范围一般在5^10nm[2-3],这几乎是以连续的光谱信息来记录地物影像。高光谱遥感图像为图像处理带来新的机遇的同吋也带来了问题:一方面，与传统的多光谱遥感图像处理不同，高光谱遥感图像不仅能够区别不同类别的地物，而且能够给出不同地物的具体展性，比如矿物质、土地、植被等;另一方面，处理不同波段的图像时带来了困难，显著增加了图像处理的时间