高光譜遙感圖像波段選擇算法研究.pdf

1、高光譜遙感是近年來發(fā)展起來的具有高光譜分辨率的遙感科學和技術，對地物的分辨識別能力非常高，但由于其高分辨率也對數(shù)據(jù)處理帶來了一系列的挑戰(zhàn)，主要是數(shù)據(jù)量大，冗余信息多，某些波段噪聲含量大，這對數(shù)據(jù)處理的效率和精度造成一定的影響。本文針對高光譜遙感的一系列問題，對不改變波段物理意義又能達到縮小數(shù)據(jù)源的波段選擇算法展開了研究。
　　波段選擇算法主要分為監(jiān)督和非監(jiān)督兩類，對于一般無先驗知識的非監(jiān)督的波段選擇算法來說，信息量大，獨立性好是選

2、擇波段的主要原則。在眾多波段選擇算法中，線性預測波段選擇算法是相對來說原理明確、效率高、結果有效的算法。但經分析，該算法還存在一系列的缺點，造成波段選擇的結果非最優(yōu)，效率也有待提高。
　　針對原線性預測波段選擇算法的三個主要問題，本文進行了比較徹底的改進。第一是噪聲波段的去除算法，提出了通過計算圖像小波域的熵，估計出波段圖像的噪聲并將噪聲較大的波段去除的思路;第二是初始波段選擇算法的改進，用偏度峰度、互信息、K-L散度衡量波段的信

3、息量大小，同時用信息量和獨立性兩個準則來選出初始波段，既考慮了波段的信息量，又提高了初始波段選擇的效率;第三是線性預測后續(xù)波段選擇的改進，每次迭代都去除線性預測誤差最小的波段，這樣可以逐漸減少數(shù)據(jù)源，提高波段選擇的效率。
　　針對以上改進思路，本文分別用高光譜圖像處理非常重要的分類和解混兩個應用來對算法進行了實驗驗證，實驗中采用支持向量機、最近鄰算法進行分類，用非負矩陣分解進行解混，兩個實驗都從精度和效率兩方面驗證了改進的線性預測