主成分分析1.doc

文档介绍：莁主成分分析法芁(1)数据压缩。经过主成份变换,多光谱图像变成了新的主成份图像,像元的亮度信息不再表示地物原来的光谱值。但变换后的前几个主分量包含了绝大部分的地物信息,在一些情况下几乎是100%,因此可以只取前几个主分量,既获得绝大部分的信息,又减少了数据量。膆如TM图像,经过主成份变换后可只取前3个主分量,波段数由7个减少到3个,数据量减少到43%,实现了数据压缩。膅(2)图像增强。主成份变换的前几个主分量包含了主要的信息,噪声相对较少;而随着信息量的逐渐减少,最后的主分量几乎全部是噪声信息。因此,主成份变换突出了主要信息,抑制了噪声,达到了图像增强的目的。莂(3)分类前预处理。多波段图像的每一个波段并不都是分类最好的信息源,因而分类前的一项重要工作就是特征选择,即减少分类的波段数并提高分类效果。主成份变换即是特征选择最常用的方法。莀由表9-4看出可以选择前三个主分量,%,即前三个主分量几乎反映了全部信息量,这三个主分量为F1、F2、F3。第一主分量的主要代表变量为x1和x2(即淤泥含量和粘土含量),,由相关系数矩阵知道,变量x1与x2有较强的相关性,因此在实际处理中,还可以简化结构,即可以只选取这两个变量中的一个来进行处理即可,如选取淤泥变量,而淘汰粘土变量。第二主分量F2的代表变量为第三个变量(有机物),。第三个主分量F3的代表变量为第4个变量(pH值),。主分量是原来p个变量的线性组合,它不能简单地解释为单个变量的属性的作用,因而不能直接说明原变量属性对主分量的作用。但是与主分量相对应的特征向量中各元素的数值反映了各个变量属性对该主分量作用的大小,即可理解特征向量中各分量对该主分量作用的权数。以下无正文仅供个人用于学****研究;不得用于