高光谱数据特征选择与特征提取研究.pdfVIP

第21卷第4期 遥感技术与应用 yDf：21ⅣD．4 2006年8月 REMOTESENSINGTECHNOLOGYANDAPPLIC：ATION Aug．2006 高光谱数据特征选择与特征提取研究 苏红军1’2，杜培军1 (1．中国矿业大学地理信息与遥感科学系，江苏徐州221008；2．南京师范大学 虚拟地理环境教育部重点实验室，江苏南京 210097) 摘要：高光谱遥感数据的最主要特点是：传统图像维与光谱维信息融合为一体，即“图谱合一”。针对 高光谱数据波段多、数据量大、冗余度大等特点，论述了特征选择和特征提取的若干算法，分析了各 自的优缺点。重点研究了导数光谱算法，并针对二值编码的不足研究了其改进算法——四值编码算 法。最后用编码技术和导数光谱技术提取了地物的光谱特征参数；试验表明：四值编码算法比二值 编码算法效果更佳；光谱导数阶数越高，对地物特征的表达越有效。 关键词：高光谱；光谱特征；特征选择与特征提取；地物识别 751 文献标识码：A 文章编号：1004—0323(2006)04—0288—06 中图分类号：TP 数据成为高光谱的研究热点和未来发展方向。其中 1 引 言 有关光谱特征选择和特征提取的研究是一个重点， 高光谱遥感技术是20世纪80年代以来在对地国内外学者们对此进行了广泛研究。Jon。’等利用判 别边界特征提取(DecisionFeature 观测方面取得的重大技术突破之一。高光谱遥感的 Boundary 发展，满足了人们对高光谱数据的需求，客观上要求 相应的数据处理算法。然而，现有的大部分遥感数据 Feature 处理算法都是针对宽波段遥感的，只能对低维数据 征选择(Ratio 进行处理n’。本文针对高光谱数据的特点，研究了地 光谱数据对农业生产进行了研究。Paul订3等利用波 物光谱特征选择和特征提取的算法，并提取了高光 段选择算法从数据立方体中提取了可用于实时多谱 谱数据的光谱特征。进行了相关试验研究，为进一步 线CCD照相机的波段特征。JiangLi。3则将基于小 的高光谱数据处理研究提供支撑。 波特征的提取算法用于混合像元分解和端元提取。 Xiaokun Zhu。’等将基于联合熵的算法用于最优波 2 特征选择与特征提取的研究现状 段选择和影像融合质量评价，得到了较好的效果。 高光谱遥感图像包含了丰富的空问、辐射和光 Bor—Chen 谱三重信息，因而在相关领域具有巨大的应用价值 算法如可分性分析特征提取(DiscriminantAnalysis 和广阔的发展空间。高光谱数据的特点如下。~‘’。 Feature Feature ①图谱合一。在获取数百个光谱图像的同时，可 (NonparametricWeighted Extraction， 以显示图像中每个像元的连续光谱。②海量数据。高 NWFE)等；并将算法应用于高光谱图像的降维。以 光谱的波段一般都是上百个，未来甚至能达到上千。 上学者的研究扩展了高光谱数据处理的具体算法