基于变分贝叶斯ICA的遥感图像混合像元分析.pdfVIP

第53卷 第 10期 电讯技术 Vo153 No．10 2013年 10月 TelecommunicationEngineering 0ct．2013 doi：10．3969／j．issn．1001—893x．2013．10．004 基于变分贝叶斯 ICA的遥感图像混合像元分析 董江山，李成范料，赵俊娟，尹京苑，沈 迪，薛 丹 (上海大学 计算机工程与科学学院，上海 200111) 摘 要 ：混合像元 已成为遥感图像处理、分类的难点和重点。独立分量分析 (ICA)能够实现 图像 的 去相关性 以及得到相互独立的分量，但是，由于 ICA模型的各成分独立性和数据统计分布规律的不 变假设 ，影响了遥感图像分类精度。针对这一问题 ，提 出了基于变分 贝叶斯 ICA(VBICA)的遥感图 像分析方法，并利用遥感 图像进行验证，结果表明：VBICA方法提取的独立分量具有均方根误差小、 迭代次数少和稳定性较好的特点；基于VBICA方法的遥感分类精度达到了91．55％，且 目视效果较 好 ；VBICA方法突破 了ICA的局限性，提高了遥感图像 自动分类精度，具有很好的应用前景。 关键词：遥感 图像 ；混合像元；独立分量分析；FastlCA；变分贝叶斯 ICA；自动分类 中图分类号 ：TN911．73 文献标志码 ：A 文章编号：1001—893X(2013)10—1274—05 M ixedPixelAnalysisofRemoteSensingImageBasedon VariationalBayesianICA Method DONGJiang—shan，LICheng—fan，ZHAOJun-juan，YINJing—yuan，SHENDi，XUEDan (SchoolofComputerEngineeringmadScience，ShanghaiUniversity，Shanghai200444，China) Abstract：Themixedpixelshavebecomethedifficultyandkeystoneofremotesensingimageanalysisand classification．Independentcomponentanalysis(ICA)notonlyremovesthecorrelation，butalsocanob— tainmutualindependentbandimages．However，therestrictionsofindependenceandthefixedstatistical distributionruleofICA modelitselfaffecttheclassificationaccuracyofremotesensingimages．Inorderto overcomethisproblem，thevariationalBayesianICA (VBICA)methodisproposedtoanalyzeremotesens— ingimages，anditisverifiedbythetureremotesensingimages．Theempiricalresultsshow that：theinde— pendentcomponentsextractedbytheVBICA methodischaracterizedbylessRMSE，iterationnumbersand goodstability：theclassificationaccuracyofremotesensingimagesreaches91．55％ ，andthemethodhas preferablevisualeffect：theVBICA methodhasabigbreakthroughonthe limitationoftraditionalICA methodandimprovestheautomatic