主成分分析1.doc

文档介绍：:..主成分分析法(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。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。(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。(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。表9-1土壤标本编号污泥含量(%)粘土含量(%)有机物(«)-1所列数据的相关系数矩阵为:表9-2相关系数(CorrelationMatrix)变量1•污泥含量(%))(%)(%))-(%)--2看出变量1〈淤泥含量〉和变量2(粘土含量〉有较强的相关性。由表9-2所构成的特征方程的特征向量为:表9-munalities)变量1•污泥含量(%)(%)):-3的总方差分解如表9-4所示。表9--ponentMatrix().-.(%).909-242•137・(%).0