文档介绍：万方数据
,江苏徐州2210082虚拟地理环境教育部重点实验室,江苏南京摘要:高光谱遥感数据的最主要特点是:传统图像维与光谱维信息融合为一体,即“图谱合一”。针对高光谱数据波段多、数据量大、冗余度大等特点,论述了特征选择和特征提取的若干算法,分析了各自的优缺点。重点研究了导数光谱算法,并针对二值编码的不足研究了其改进算法——四值编码算法。最后用编码技术和导数光谱技术提取了地物的光谱特征参数;试验表明:四值编码算法比二值编码算法效果更佳;光谱导数阶数越高,对地物特征的表达越有效。关键词:高光谱;光谱特征;特征选择与特征提取;地物识别中图分类号:A文章编号:—一一高光谱遥感技术是世纪年代以来在对地观测方面取得的重大技术突破之一。高光谱遥感的发展,满足了人们对高光谱数据的需求,客观上要求相应的数据处理算法。然而,现有的大部分遥感数据处理算法都是针对宽波段遥感的,只能对低维数据n物光谱特征选择和特征提取的算法,并提取了高光谱数据的光谱特征。进行了相关试验研究,为进一步的高光谱数据处理研究提供支撑。高光谱遥感图像包含了丰富的空问、辐射和光谱三重信息,因而在相关领域具有巨大的应用价值~①图谱合一。在获取数百个光谱图像的同时,可以显示图像中每个像元的连续光谱。②海量数据。高光谱的波段一般都是上百个,未来甚至能达到上千。③数据冗余度大。成像光谱仪采样间距一般都在纳米级,造成了相邻波段的高度的相关性,冗余度也随之增加。④信噪比低。高光谱数据信噪比下降,噪声增加。增加了数据处理的难度。由于高光谱数据的以上特点,如何既有效地利用高光谱数据的最大信息,又能较快地处理高光谱数据成为高光谱的研究热点和未来发展方向。其中有关光谱特征选择和特征提取的研究是一个重点,Jon(DecisionExtractionDBFE)AVIRIS分类,得到了良好的效果。等运用比率特征选择SelectionRFS)Paul3段选择算法从数据立方体中提取了可用于实时多谱线障嗷牟ǘ翁卣鳌Li3波特征的提取算法用于混合像元分解和端元提取。Zhu段选择和影像融合质量评价,得到了较好的效果。KuoDavidn(DiscriminantExtractionDAFE)NWFE)上学者的研究扩展了高光谱数据处理的具体算法和应用范围。原有的遥感数据处理算法在处理高光谱数据时,常遇到现象即“维数祸根”。为了有效地处理数据,“降维”就成为一个必然的选择;“降维”即21420068yDf21D4卜,收稿日期:—一;修订日期:一一(40401038)(D200403)作者简介:苏红军,男,硕士研究生,研究方向为高光谱遥感信息处理、虚拟地理环境等。癵.
万方数据
4目前压缩波段有两种方法:①从众多波段中选择感可能的波段组合计算其联合熵,并按从大到小的顺算法对于高光谱图像波段选择而言计算量仍然过大;比如计算波段间的相关系数,在笔者的试验中就()(K)(5)(A)4苏红军等:高光谱数据特征选择与特征提取研究n兴趣的若干波段,或选择信息量大、相关性小的若干波段。②利用所有波段,通过数学变换压缩波段。如(PCA)方法。熵和联合熵根据香农信息论理论,信息熵是在平均意义上来表征信息源总体特征的量;信息熵越大,图像所