一种基于独立成分分析的高光谱波段选择评价方法技术

本发明专利技术涉及一种基于独立成分分析的高光谱波段选择评价方法，该方法的一个具体实施方式包括：针对经过波段选择之后的、待评价的高光谱图像，确定所述高光谱图像中的多个独立成分信息；计算每一独立成分信息的偏度及峰度组合统计量，将所述偏度及峰度组合统计量大于预设阈值的独立成分信息确定为所述高光谱图像的目标独立成分信息；依据所述目标独立成分信息在所述多个独立成分信息中的占比判断所述波段选择的精确程度。该实施方式能够准确评价高光谱图像波段选择的精确程度。高光谱图像波段选择的精确程度。高光谱图像波段选择的精确程度。

【技术实现步骤摘要】
一种基于独立成分分析的高光谱波段选择评价方法


[0001]本专利技术涉及高光谱数据处理领域，尤其涉及一种基于独立成分分析的高光谱波段选择评价方法。

技术介绍

[0002]高光谱遥感图像数据能提供丰富的光谱信息，但在地物分类时，若利用图像的所有特征，会导致较低的效率和较大的计算复杂度，并且特征维数的升高也会使训练样本个数不断增加。如果训练样本个数相对较少，特征维数较高，会导致分类精度提升幅度的降低。当高光谱遥感图像数据的维数增加时，分类精度会出现先增加后减小的Hughes现象。实际应用中，在特征空间的某一低维子空间中集中了高光谱遥感图像的有效信息，要用特征提取和波段选择的方式达到降低维数的目的，进而也解决了高光谱遥感图像中的Hughes现象。
[0003]高光谱特征波段选择中波段最优组合不是绝对的，对于不同地表特征，最优波段组合会发生相应变化。所以对于特定地物的波段组合，我们需要建立波段选择的评价模型，通过评价模型来评价所选波段组合的准确率，以获得最优特征表达，进而提高典型目标的可探测性。

技术实现思路

[0004]基于以上考虑，本专利技术提供一种基于独立成分分析的高光谱波段选择评价方法，能够准确评价高光谱图像波段选择的精确程度。
[0005]为了解决上述技术问题，在一个方面，本专利技术实施例提供了一种基于独立成分分析的高光谱波段选择评价方法。
[0006]本专利技术实施例的基于独立成分分析的高光谱波段选择评价方法包括：针对经过波段选择之后的、待评价的高光谱图像，确定所述高光谱图像中的多个独立成分信息；计算每一独立成分信息的偏度及峰度组合统计量，将所述偏度及峰度组合统计量大于预设阈值的独立成分信息确定为所述高光谱图像的目标独立成分信息；依据所述目标独立成分信息在所述多个独立成分信息中的占比判断所述波段选择的精确程度。
[0007]可选地，所述确定所述高光谱图像中的多个独立成分信息，包括：使用快速独立成分分析FastICA变换确定所述高光谱图像中的多个独立成分信息。
[0008]可选地，所述计算每一独立成分信息的偏度及峰度组合统计量，包括：使用高阶统计量独立成分分析HOS
‑
ICA算法计算每一独立成分信息的偏度及峰度组合统计量。
[0009]可选地，所述使用高阶统计量独立成分分析HOS
‑
ICA算法计算每一独立成分信息的偏度及峰度组合统计量，包括：使用以下公式计算每一独立成分信息s
p
的偏度及峰度组合统计量J(sp)：
[0010][0011]其中，，p为从1开始且不大于n的正整数，n为正整数。
[0012]可选地，所述独立成分信息为矩阵形式；所述目标独立成分信息在所述多个独立成分信息中的占比为所述目标独立成分信息的数量与所述多个独立成分信息的总量的比值；所述目标独立成分信息在所述多个独立成分信息中的占比与所述波段选择的精确程度正相关。
[0013]为了解决上述技术问题，在另一方面，本专利技术实施例提供了一种基于独立成分分析的高光谱波段选择评价装置。
[0014]本专利技术实施例的基于独立成分分析的高光谱波段选择评价装置可以包括：独立成分计算单元，用于：针对经过波段选择之后的、待评价的高光谱图像，确定所述高光谱图像中的多个独立成分信息；指标计算单元，用于：计算每一独立成分信息的偏度及峰度组合统计量，将所述偏度及峰度组合统计量大于预设阈值的独立成分信息确定为所述高光谱图像的目标独立成分信息；评价单元，用于：依据所述目标独立成分信息在所述多个独立成分信息中的占比判断所述波段选择的精确程度。
[0015]可选地，所述独立成分计算单元进一步用于：使用快速独立成分分析FastICA变换确定所述高光谱图像中的多个独立成分信息；所述指标计算单元进一步用于：基于高阶统计量独立成分分析HOS
‑
ICA算法，使用以下公式计算每一独立成分信息s
p
的偏度及峰度组合统计量J(s
p
)：
[0016][0017]其中，，p为从1开始且不大于n的正整数，n为正整数。
[0018]可选地，所述独立成分信息为矩阵形式；所述目标独立成分信息在所述多个独立成分信息中的占比为所述目标独立成分信息的数量与所述多个独立成分信息的总量的比值；所述目标独立成分信息在所述多个独立成分信息中的占比与所述波段选择的精确程度正相关。
[0019]为实现上述目的，根据本专利技术的又一方面，提供了一种电子设备。
[0020]本专利技术的一种电子设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本专利技术所提供的基于独立成分分析的高光谱波段选择评价方法。
[0021]为实现上述目的，根据本专利技术的再一方面，提供了一种计算机可读存储介质。
[0022]本专利技术的一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现本专利技术所提供的基于独立成分分析的高光谱波段选择评价方法。
[0023]实施本专利技术的基于独立成分分析的高光谱波段选择评价方法，具有以下有益效果：首先，针对经过波段选择之后的、待评价的高光谱图像，确定所述高光谱图像中的多个独立成分信息；接着，计算每一独立成分信息的偏度及峰度组合统计量，将所述偏度及峰度组合统计量大于预设阈值的独立成分信息确定为所述高光谱图像的目标独立成分信息；最后，依据所述目标独立成分信息在所述多个独立成分信息中的占比判断所述波段选择的精确程度。通过以上步骤，能够准确评价高光谱图像波段选择的精确程度，解决了如何评价高
光谱图像波段选择有效性的问题。
附图说明
[0024]图1是本专利技术实施例中基于独立成分分析的高光谱波段选择评价方法的主要步骤示意图；
[0025]图2是本专利技术实施例中基于独立成分分析的高光谱波段选择评价方法的具体执行步骤示意图；
[0026]图3是本专利技术实施例中基于独立成分分析的高光谱波段选择评价装置的组成部分示意图；
[0027]图4是用来实现本专利技术实施例中基于独立成分分析的高光谱波段选择评价方法的电子设备结构示意图。
具体实施方式
[0028]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术的一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0029]图1是根据本专利技术实施例中基于独立成分分析的高光谱波段选择评价方法的主要步骤示意图。
[0030]如图1所示，本专利技术实施例的基于独立成分分析的高光谱波段选择评价方法可具体按照如下步骤执行：
[0031]步骤S101：针对经过波段选择之后的、待评价的高光谱图像，确定所述高光谱图像中的多个独立成分信息。
...

【技术保护点】

【技术特征摘要】
1.一种基于独立成分分析的高光谱波段选择评价方法，其特征在于，包括：针对经过波段选择之后的、待评价的高光谱图像，确定所述高光谱图像中的多个独立成分信息；计算每一独立成分信息的偏度及峰度组合统计量，将所述偏度及峰度组合统计量大于预设阈值的独立成分信息确定为所述高光谱图像的目标独立成分信息；依据所述目标独立成分信息在所述多个独立成分信息中的占比判断所述波段选择的精确程度。2.根据权利要求1所述的方法，其特征在于，所述确定所述高光谱图像中的多个独立成分信息，包括：使用快速独立成分分析FastICA变换确定所述高光谱图像中的多个独立成分信息。3.根据权利要求2所述的方法，其特征在于，所述计算每一独立成分信息的偏度及峰度组合统计量，包括：使用高阶统计量独立成分分析HOS
‑
ICA算法计算每一独立成分信息的偏度及峰度组合统计量。4.根据权利要求3所述的方法，其特征在于，所述使用高阶统计量独立成分分析HOS
‑
ICA算法计算每一独立成分信息的偏度及峰度组合统计量，包括：使用以下公式计算每一独立成分信息s
p
的偏度及峰度组合统计量J(s
p
)：其中，p为从1开始且不大于n的正整数，n为正整数。5.根据权利要求1
‑
4任一所述的方法，其特征在于，所述独立成分信息为矩阵形式；所述目标独立成分信息在所述多个独立成分信息中的占比为所述目标独立成分信息的数量与所述多个独立成分信息的总量的比值；所述目标独立成分信息在所述多个独立成分信息中的占比与所述波段选择的精确程度正相关。6.一种基于独立成分分析的高光谱波段选择评价装置，其特征在于，包括...

【专利技术属性】
技术研发人员：刘畅，王广平，
申请(专利权)人：北京环境特性研究所，
类型：发明
国别省市：