基于主分量分析的高光谱遥感数据噪声消除方法

《基于主分量分析的高光谱遥感数据噪声消除方法》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、计算机测量与控制．2009．17(6)ComputerMeasurement＆Control文章编号：1671—4598(2009)06—1070—03中国分类号：TP751．1文献标识码：A基于主分量分析的高光谱遥感数据噪声消除方法常威威，郭雷，刘坤，付朝阳(西北工业大学自动化学院，陕西西安71OO72)摘要：高光谱遥感数据是一种超维数据，噪声随机地存在于其多个通道图像上，而某些特征谱段图像的信噪比在很大程度上影响着具体的光谱特性分析的准确性，高信噪比意味着地物探测或识别的高准确性；提出了一种新颖的基于小波一PCA分析

2、的高光谱遥感数据噪声消除方法，首先对高光谱各波段图像进行二维小波分解，然后将各小波子图像进行主分量分析，根据噪声特性自适应选取主分量进行PCA重构；得到去噪后小波图像，最后进行小波重构。通过对OMIS图像的实验结果表明，该方法不但可以有效地消除高光谱遥感数据中的噪声，改善图像的信噪比，还能比较完整地保留原有高光谱数据的空间和光谱特性，且性能上要优于PCA方法和小波分析方法。关键词：高光谱遥感；去噪；小波变换；主分量分析DenoisingOfHyperspectralDataBasedonWaveletTransforma

3、ndPrincipalComponentAnalysisChangWeiwei，GuoIei，Liukun，FuZhaoyang(InstituteofAutomatic，NorthwestPolytechnicalUniversity，Xi’an710072，China)Abstract：Hyperspectraldataisakindofsuper—dimensionaldatawithnoisesrandomlyexistinitsmulti—bandsimages．Whiletheae—curacyofspect

4、ralcharacteristicsanalysisstronglydependsonthesignal—to—noiseratio(SNR)ofimagesoverthespecificwavelengthrangeandahigherSNRmeanshigheraccuracyinfeaturedetectionoridentification．Anoveldenoisingmethodofhyperspectraldatabasedonwave1et—PCAanalysisisproposed．Thismethod

5、employsPCAtoprocessthewaveletcoefficientsofimages，adaptivelyextractingtheprincipalcomponentswhichrepresenttheuncontaminatedimages．ExperimentalresultsbasedonOMISimagesshowthattheproposedmethodcouldeliminatenoisesinhyperspectraldataeffectively，improvetheSNRofimages

6、，andpreservetheoriginalspectralandspatialcharacteristicsmorecompletely．Moreover，itoutperformsPCAandDWT．Keywords：hyperspectralremotesensing；denoising；wavelettransform；principalcomponentanalysis0引言维数据的去噪方法，本文提出了一种基于小波一PCA的高光谱遥感数据噪声消除方法，充分利用小波分析良好的信噪分离高光谱遥感是指利用很多很窄的

7、电磁波波段从感兴趣的物特性和PCA变换对高维数据处理的高效性，能够从整体上改体获取有关数据的技术[1]。它打破了常规遥感的概念，提供了善高光谱超维数据的信噪比，并能较好地保留空间和光谱“图谱合一”的3维立体数据，即对空间影像的每一个像素都信息。赋予具有它自身特征的光谱信息，有利于定性甚至定量地进行1基本原理地物的探测和识别。但由于高光谱成像仪独特的工作方式，使得高光谱数据中不同程度地存在各种系统和随机噪声影响[2]，1．1小波分析噪声的存在不但降低了高光谱图像数据质量，还很大程度地降小波分析的最大特点在于良好、灵活的时频

8、分析能力，能低了利用高光谱数据进行地物探测和识别的准确性。够在不同的分辨率下反映出不同的图像结构特征，也使其在处目前，广泛应用于高光谱遥感数据的噪声消除方法主要有理突变信号方面具有特殊的能力[9i0]，成为近年来图像去噪、两种：一是光谱域的光谱曲线平滑方法。。]；二是图像域的滤压缩和融合领域研究的热点[1“]。波或条