高光谱遥感图像降维方法研究

论文摘要

高光谱遥感建立在电磁波谱理论、地学规律、电子技术、计算机技术及空间技术的基础上,作为一门独立的综合性新兴科学技术得以建立并迅速发展.由于高光谱遥感所特有的高光谱分辨率的性质,其潜在的可用性已受到广泛关注。针对多光谱图像人们已经研究了多种处理方法,技术趋于成熟,但是高光谱图像的数据量大、数据维高,使通常的多光谱图像处理方法对于高光谱图像的应用有较大的限制,因此探求适合于高光谱图像的处理方法是高光谱遥感应用必须优先研究的课题。本文重点研究了高光谱遥感图像的降维方法,研究的主要内容如下:研究了高光谱遥感图像的特性。验证了高光谱遥感图像较强的谱间相关性和较弱的空间相关性。研究了基于主成分分析的降维方法。根据原始数据协方差阵的特征值和特征向量,可以计算主成分的贡献率,对重要主成分贡献率直接反应了信息量的大小,因此可根据它进行特征提取,实验证明,该算法可以能够获得好的效果。研究了基于小波变换和主成分分析的降维方法。主成分变换可以很好的压缩信息,但由于它的全局性,使得光谱特征和局部特征没有被更好的保留下来;小波分解是在光谱维对每个像元进行的,它可以很好的保留光谱特征和局部特征。该算法充分利用两种变换的优势,先对原始图像进行小波变换,然后在变换域进行特征提取。实验表明,该算法具有一定的优越性。研究了基于核主成分分析的降维方法。由于PCA只考虑了图像数据中的二阶统计信息,未能利用数据中的高阶统计信息,忽略了多个像素间的非线性相关性。研究表明,一幅图像的高阶统计往往包含了图像边缘或曲线的多个像素间的非线性关系。针对这一问题,本文引入了核方法,分析研究了核方法的所有主要的成分;然后将核方法与PCA方法结合,降低高光谱图像的维数。实验表明,该算法较好地保留了高光谱图像的信息。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 概述
• 1.2 高光谱图像数据
• 1.3 高光谱数据的描述
• 1.4 降维的必要性
• 1.5 高光谱遥感图像的降维方法国内外研究现状
• 1.5.1 利用波段选择进行降维
• 1.5.2 通过划分数据源进行降维
• 1.5.3 利用特征提取技术进行降维
• 1.5.4 利用融合技术进行降维
• 1.6 课题的目的与研究内容
• 1.6.1 课题的目的与意义
• 1.6.2 课题来源
• 1.6.3 本文的主要研究工作及内容安排
• 第2章 高光谱图像的特性分析
• 2.1 概述
• 2.2 高光谱图像的光谱分辨率
• 2.3 高光谱图像的空间相关性
• 2.4 高光谱图像的谱间相关性
• 2.5 本章小结
• 第3章 基于主成分分析的降维方法研究
• 3.1 概述
• 3.2 主成分分析
• 3.3 最大似然分类
• 3.4 主成分分析的降维方法
• 3.4.1 主成分分析的贡献率
• 3.4.2 主成分分析算法具体步骤
• 3.4.3 分类结果的评价方法
• 3.4.4 实验
• 3.5 本章小结
• 第4章 基于小波变换和主成分分析的降维方法
• 4.1 概述
• 4.2 小波变换基本理论
• 4.2.1 连续小波变换
• 4.2.2 离散小波变换
• 4.3 小波多分辨率分析
• 4.4 基于小波变换和主成分分析的降维方法
• 4.4.1 一维图像分解与重构
• 4.4.2 二维图像分解与重构
• 4.4.3 小波基的选取
• 4.4.4 实验
• 4.5 本章小结
• 第5章 基于核主成分分析的降维方法
• 5.1 核方法的概念
• 5.2 核主成分分析
• 5.2.1 核主成分分析
• 5.2.2 中心化考虑
• 5.2.3 实验
• 5.3 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的论文和取得的科研成果
• 致谢
• 个人简历