资源描述：
《高光谱数据降维技术研究》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、第26卷第6期水土保持通报Vol.26,No.62006年12月BulletinofSoilandWaterConservationDec.,2006高光谱数据降维技术研究王旭红,肖平,郭建明(西北大学城市资源学系,陕西西安710069)摘要:高光谱数据对地物具有更高的光谱分辨率,但是由于高光谱数据巨大的数据量以及相邻波段之间的强相关性,导致了对这种数据的许多分类方法达不到应有的效果,从而在某种程度上制约了其广泛的应用。研究表明,特征提取的理论与方法对高光谱信息的优化处理是十分有效的。实验结果表明,在一定的分类精度范围内,减低维数而不丢
2、失信息,可以提高分类器的效能,实现高维遥感数据的优化处理和高效利用。关键词:特征提取;数据降维;高光谱数据;影像分类文献标识码:B文章编号:1000—288X(2006)06—0089—03中图分类号:TP751.1ResearchonDimensionalityReductionTechnologyofHyperspectralDataWANGXu2hong,XIAO2ping,GUOJian2ming(DepartmentofCityandResourceScience,NorthwestUniversity,Xi′an,Shaan
3、xi710069,China)Abstract:Hyperspectraldatahaveahighspectralresolutionfortheobjectsoftheearth.However,manyanalysisapproachesofhyperspectraldatadonotprovideapromisingresultbecauseofitsgreatdatavolumeandstrongcor2relationbetweenitsneighboringbands.Consequently,itrestrictsthe
4、efficiencyandbroadapplicationofhighreso2lutiondata.Theresearchindicatesthatfeatureextractionisthehighlyeffectivetheoryandmethodtooptimizehy2perspectraldataandinformation.Theresultofexperimentshowsthatwithagivenprecisionofclassification,thereductionindimensionalitywithout
5、lossofinformationimprovestheclassifierperformance,andhelpstoachievetheaimsofoptimalprocessandeffectiveutilizationofhyperspectralremotesensingdata.Keywords:featureextraction;reductionofdatadimensionality;hyperspectraldata;imageclassification[1,3]与常规的遥感数据相比,高光谱数据的光谱分辨的有以下几
6、种:(1)主成分分析(PCA,Principal率高(一般可达到nm级),从理论上讲对地表地物的ComponentAnalysis);(2)分段主成分变换(SPCT,分辨能力得到了极大的增加,但是由于高光谱数据波SegmentedPrincipalComponentsTransform);(3)投段数多(往往在100个波段以上)、数据量大,相邻波影法(Jimenez)、判别式分析方法(DAFE,Discrimi2段间相关性强,在某种程度上也阻碍了高光谱数据的nantAnalysisFeatureExtraction)、决策边界特征提取广
7、泛应用。因此,在不降低分类精度的前提下,选择(DBFE,DecisionBoundaryFeatureExtraction)和非有效的特征信息参加分类以降低高光谱数据的维数,参数加权特征提取方法(Kuo.etc)等方法。是这一高维信息空间在遥感领域内应用研究的一个1.1主成分分析(PCA)[1,3]重要问题。主成分分析(PCA),又叫K—L变换,是特征提取中最经典的方法之一。采用多变量线性变换1高光谱数据降维的方法的方法对高维数据进行特征提取,产生一个按信噪比近年来,国内外对高光谱数据降维方式的研究不大小(MNF,MinimumNois
8、eFraction)进行排列的低断增多。Jimenez等从理论上对数据维减小的可能性维子空间,消除图像之间的相关性,用几个主成分就[1]进行了论证,为高光谱数据降维奠定了理论基础。可以代表原始数据中的大多数
