基于二维主成分分析的高光谱遥感图像降维.pdfVIP

第26卷 第5期 黑 龙 江 大 学 自然 科 学 学 报 V01．26 No．5 2009年 10月 JOURNALOFNATURALSCIENCE 0FHEILONGJIANGUNIVERSITY October，2009 基于二维主成分分析的高光谱遥感图像降维 赵春晖， 宋晓明 (哈尔滨工程大学 信息与通信工程学院，哈尔滨 150001) 摘 要：提出一种以高光谱 图像分析为 目标的基于二维主成分分析的高光谱遥感图像的降维 方法。通过多变量线性变换对高光谱数据进行特征提取，应用二维主成分分析 的方法对高光谱遥 感图像进行降维。对AVIRIS图像应用二维主成分分析的方法，可将能量主要集 中在少数几个特 征值 中，这就为降维提供 了可能。计算机仿真结果表 明，该算法计算量小，方差小，峰值信噪比 (PSNR)、分类准确性均显著提高，MSE有所下降。 关键词：主成分分析 ；降维；TDPCA；高光谱 中图分类号 ：TP751．1 文献标志码：A 文章编号：1001—701l(2009)05～0684—05 0 引 言 高光谱图像是图谱合一的遥感技术，光谱分辨率高达纳米数量级。它不仅使得数据的体积十分庞大，同 时还带来了较多的数据维数，南此给存储、传输和处理带来 了很多的问题 。高光谱遥感有很多特点，主 要表现在 ：波段多，光谱范围窄，数据量大，信息冗余增加 。 由于高光谱遥感(HyperspectralRemoteSensing)图像应用的主要 目的是对地物的分类和 目标识别，如何 保留用于分析的重要信息并且有效去除大量的数据维数是很有意义的工作。因此，研究面 向分析 (分类和 目标识别)的高光谱图像降维，有利于高光谱图像的后续处理。文献[4]提出了自适应波段选择(ABS)的降 维方法，文献[5]提出了独立成分分析(ICA)的降维方法。上述两种方法计算量大并且算法复杂。为减少计 算量和算法的复杂度 ，并且提高效率，本文采用二维主成分分析的降维方法。 主成分分析(Pl，incipalComponentAnalysis，PCA)是常用的高光谱数据绛维处理方法之一，但用此方法 进行图像降维时，需要将图像整体转换成一一维矢量再进行下一步的运算，这样带来 了巨大的计算量．二维主 成分分析(TwoDimensionalPrincipalAnalysis，TDPCA)是南YangJian(见文献 [7])在 2004年首先提出的一 种图像分析方法，与一维PCA相比，该方法计算时间少，识别率高。文献 [9]将两种不同的TDPCA用于人脸 图像，且指出此方法可突出人脸图像横向和纵向的特质。文献 [10]将TDPCA用于人的掌纹识别，证明TDP— CA可以在不降低图像总体散度的情况下充分降维，同时算法时间复杂度大大降低．将该算法应用于掌纹特 征提取，得到了比PCA更好的效果．还有研究者将 BP神经网络与TDPCA算法结合，对人耳进行分类识别 (见文献 [11])并且证 明可以大大提高识别效果。文献 [8]把 TDPCA用于遥感图像融合，提出了一种基于 TDPCA的图像融合算法并进行图像分析。但是将TDPCA用于降维，尤其是遥感图像降维的研究比较少，很 有研究的必要 。本文对AVIRIS图像应用二维主成分分析的方法，在研究中发现能量主要集 中在少数几个 特征值中，这就为降维提供了可能。并从峰值信噪比PSNR，MSE，分类准确性，图像压缩率等方面来评估该 方法的可行性。计算机仿真结果表明，该算法计算量小，方差小，峰值信噪比(PSNR)，分类准确性较以往算 法均有显著改善。 收稿Et期：2009—05—15 基金项目：高等学校博士学科点基金资助(20060217021)；黑龙江省 自然科学基金资助 (ZJG0606—01)；哈尔滨市优秀学科带头人基金资 助(2009RFxxGo34) 作者简介：赵春晖 (1965一)，男，教授，博士生导帅，主要研究方向：信号处理，E—mail：zhaochunhui@hrbeu．edu．cn 第5期 赵春晖等：基于二维主成分分析的高光谱遥感图像降维 ．685