本发明专利技术属于高光谱遥感图像处理技术领域，具体为一种基于偏最小二乘法的高光谱遥感图像波段选择的方法。本发明专利技术利用偏最小二乘法提取成分保留高光谱图像变异信息且与分类信息相关程度高的特点，将光谱矩阵与隶属度矩阵乘积的能量作为选择波段的标准，通过迭代求取已选择波段递归的残差来选择下一组波段，实现波段选择的过程。本发明专利技术能有效克服传统多光谱图像波段选择方法计算复杂度高，需要去除相关波段的缺点。高光谱遥感图像分类实验结果表明，高光谱遥感图像使用本发明专利技术进行波段后具有良好的分类效果。本发明专利技术对于高效利用高光谱图像的信息资源有着重要的应用价值。
【技术实现步骤摘要】
本专利技术属于遥感图像处理
，具体涉及一种。
技术介绍
高光谱遥感在电磁波谱的紫外、可见光、近红外和中红外区域中的数十至数百个非常窄且连续的光谱段上同时获取信息，从而得到每个像素完整连续的光谱曲线。高光谱遥感技术的发展为人们提供了详尽精确的地物光谱信息，但是大量高度相关的波段信息也为高光谱图像的进一步处理带来了困难。高维数据不仅会造成冗余，提高计算复杂度，而且由于Hughes现象(即训练样本固定时，分类精度随特征维数的增加而下降)，使得高光谱图像的分类效果受到严重影响。因此，如何有效选取特征对于高光谱图像处理是非常重要的。一般来说，选择有效特征主要采取特征提取或波段选择这两种方法。相对于特征提取的方法，波段选择不改变原光谱数据，保留原始波段的物理含义以及地物的光谱特性，在相关领域有着重要应用价值。当前对高光谱图像波段选择方法的研究，主要针对其在分类中的应用，具体可分为有监督和无监督两种。两者的区别在于，无监督的方法不需要任何先验信息，而有监督的方法需要事先为每类地物在遥感图像上采集样本数据之后，通过学习训练再进行波段选择。相对而言，有监督的波段选择方法往往能够取得更高的分类精度，而且在与有监督的分类方法结合使用时，不需要专门为波段选择寻找训练数据。本专利技术是一种用于分类的高光谱图像有监督波段选择方法。用于分类的有监督传统波段选择的方法一般有以下两种思路一、基于特征子集搜索的波段选择，将高光谱数据中选择的波段作为特征子集，以某种准则进行全局或局部搜索。常见的准则有各种距离(巴式距离、JM距离)，信息论的指标(散度、变换散度)等气由于最优的穷举法搜索运算量极大，实际中常采用次优的特征子集搜索算法(如前向搜索法)得到有效波段。这类方法物理意义明确，且易于实施，但计算相对较为耗时。二、基于特征值分解的一系列方法，以最小误分类典型分析为例，该方法通过求解费舍尔分离矩阵的特征值和特征向量来计算各波段对分离矩阵的能量贡献，再经过对能量贡献排序和去除相关波段得到有效波段M。偏最小二乘法作为一种新型的多元统计数据分析方法，是一种多因变量对多自变量的回归建模方法，可以实现多种数据分析方法的综合应用，尤其适合于多重线性相关问题，在分析光谱数据中有着重要价值。在高光谱遥感图像分类的研究中，偏最小二乘法提取的潜在向量不但与分类信息的相关度高，而且尽可能多地保留高光谱数据的变异信息。 因此，选择偏最小二乘法通过特征值分解计算各个波段能量贡献在保留有效信息方面有其优势。此外，偏最小二乘法中迭代求取潜在向量回归残差的步骤可以有效避免选择波段冗余的情况
技术实现思路
本专利技术的目的在于提供一种计算复杂度低、算法简单而有效的高光谱遥感图像波段选择方法。本专利技术提出的高光谱遥感图像像波段选择方法，是一种基于特征值分解，进行波段排序的波段选择方法。与传统方法直接对所有波段排序不同，本专利技术通过迭代求取已选择波段递归的残差，再通过排序得到当前这迭代最优波段，以此逐个得到所选择的波段。该方法将偏最小二乘法目标函数中各个波段能量贡献作为选择波段的标准，通过迭代求取已选择波段递归的残差逐个得到选择的波段。此外，本专利技术由于避免了特征子集搜索和大矩阵特征值分解的运算，具有更快的运算速度，为高光谱遥感图像波段选择提供了一种新的有效的快速算法。先介绍有关偏最小二乘法的概念偏最小二乘法最早是由Wold在1983年提出的一系列用于线性回归、特征提取的算法。 偏最小二乘法不仅关注自变量的信息，而且关注自变量与因变量之间的相关关系，因此偏最小二乘法所提取的特征信息对于回归分析而言往往更为有用。偏最小二乘法之所以能够做到这一点，与它的目标函数选择有关。偏最小二乘法的核心思想是要找到一组自变量X 的潜在向量t和因变量Y的潜在向量u要求t、ii在保留数据信息的同时，t能够很好地解释Il。t、！!能分别很好代表X与Y中的数据变异信息，根据主成分分析原理，应该要求t、 的方差尽可能大；另一方面，由于回归建模的需要，又要求t对u有很强的解释能力，有典型相关分析的思路，t与u的相关度t"(t_u)应达到最大值。综合起来，偏最小二乘法要求t与 的协方差C^vCt1U)= ^Vait:炉/31<11)协,U)达到最大。作如下定义，t、U分别是X和Y的潜在向量，w、c是对应的单位轴，偏最小二乘法的目标函数如下权利要求1. 一种基于偏最小二乘法的高光谱遥感图像波段选择的方法，其特征在于通过迭代求取已选择波段递归的残差来选择波段，具体步骤如下步骤 1、 将高光谱数据转换为矩阵形式X^mNxL ,根据训练数据的地物信息构造隶属度矩阵Ye Mmiii ,其中#为训练样本数，ζ为波段数，#为地物类别数；步骤2、计算乘积矩阵γΓχχΓγ的所有特征向量Cli，特征值纟，根据式(1)计算投影权重向量w 全文摘要本专利技术属于高光谱遥感图像处理
，具体为一种基于偏最小二乘法的高光谱遥感图像波段选择的方法。本专利技术利用偏最小二乘法提取成分保留高光谱图像变异信息且与分类信息相关程度高的特点，将光谱矩阵与隶属度矩阵乘积的能量作为选择波段的标准，通过迭代求取已选择波段递归的残差来选择下一组波段，实现波段选择的过程。本专利技术能有效克服传统多光谱图像波段选择方法计算复杂度高，需要去除相关波段的缺点。高光谱遥感图像分类实验结果表明，高光谱遥感图像使用本专利技术进行波段后具有良好的分类效果。本专利技术对于高效利用高光谱图像的信息资源有着重要的应用价值。文档编号G06T7/00GK102289673SQ20111016930公开日2011年12月21日 申请日期2011年6月22日 优先权日2011年6月22日专利技术者张立明, 王斌, 葛亮 申请人:复旦大学本文档来自技高网...
【技术保护点】
１．一种基于偏最小二乘法的高光谱遥感图像波段选择的方法，其特征在于通过迭代求取已选择波段递归的残差来选择波段，具体步骤如下：步骤 １、将高光谱数据转换为矩阵形式，根据训练数据的地物信息构造隶属度矩阵，其中Ｎ为训练样本数，Ｌ为波段数，Ｍ为地物类别数；步骤 ２、计算乘积矩阵的所有特征向量，特征值，根据式（１）计算投影权重向量：， ?（１）带上标Ｔ的表示 的转置；根据式（２）计算载荷因子：，（２）其中为的第个元素；步骤 ３、从Ｌ个载荷因子中选择最大值，将记为选择的波段；步骤 ４、根据已选择波段对做递归并求残差：（３）其中为的第个列向量； 带上标Ｔ的表示 向量的转置；步骤 ５、当所选择的波段数已满足要求，则结束循环；否则，返回步骤 ２，继续迭代。
【技术特征摘要】
【专利技术属性】
技术研发人员：葛亮，王斌，张立明，
申请(专利权)人：复旦大学，
类型：发明
国别省市：31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。