基于逐次投影寻踪的高光谱影像降维方法研究.pdfVIP

测 豫=信 息与工程 JournalofGeomaticsJun．2007；32(3) 1 文章编号 ：1007—3817(2007)03—0001—03 中图分类号 ：P237 文献标志码 ：B 基于逐次投影寻踪的高光谱影像降维方法研究 龚 衍 舒 宁 。 (1武汉大学遥感信 息工程学院；2武汉大学测绘遥感信息工程 国家重点实验室，武汉市珞喻路 129号 ，430079) 摘 要 提 出了一种新 的逐次投影寻踪方法，对高光谱数据进行降维处理，采用定量化 的指标 ，通过对高光谱数 据的多次一维投影 ，逐步选取有效成分，构建新 的低维正交空间。 关键词 高光谱 ；遥感影像 ；逐次投影寻踪 ；降维 为了实现高光谱影像 的分割 ，需要构建合理的低维正交 2 投影 指标 定 义 特征空间，再实现簇的合理分析。在高光谱数据的降维和特 征提取 中，研究人员分析指 出，不能直接使用经典的主成分 为了使PI具有平移不变性，通常需要对原始数据集 x 分析PCA(PrincipalComponentsAnalysis)方法_1]，投影寻踪 进行 “球化”(sphering)预处理 ]，具体操作为 ： PP(ProjectionPursuit)是一种探索性数据分析思路_2]。针对 一 D- ／FT(X 一 ) (3) 高维数据的降维 ，经典的PP方法是通过寻求最佳投影矩阵 式中，D为数据集 x 的协方差矩阵的特征值构成 的对角阵 对高维数据进行降维变换 。为 了定量化地确定低维空间的 (2E上至右下降序排序)，F为与之相应的特征 向量构成 的列 维数 ，采用 了新 的逐次投影寻踪 SPP(SuccessiveProjection 矩阵， 为数据集 x 的均值 向量 ， 为 “球化”后 的数据集 ， Pursuit)方法 。 其每行 向量均值为 0，方差为 1。 在实际操作中，对投影方 向n作标准化处理，令 叫一n／ 1 逐 次投影 寻踪 思想 Ilnll， 沿n方向的投影结果为 。：W 。对 n标准化处 R 是 维欧 氏空间，数据点集和 x一 {X ：x ∈R ，1≤i 理，使得 均值为 0，方差为 1，便于后续分析。 ≤Q)，Q为数据点个数 (下文 中数据点的列矩阵形式也记为 PI指标的设计与投影寻踪的 目的具有直接关系 ，因而形 x)，向量 n为投影方 向(n∈R)。Y一nX 为沿 n方 向的投 式各异，如为 了从高光谱影像提取人工 目标而采用 的峰度 、 影变换 ，集合 Y一 {Y ：1≤i≤Q)，J—H (y)为投影指标 PI 偏度指标 ，为了提取小类地物而采用的 Q指标[。投影后 (ProjectionIndex)，H(*)根据具体应用进行定义，用来评估 的数据集应有利于后续分割 ，因而 PP 目的是为 了增大簇间 y结构性能的指标 。投影寻踪 的过程就是依据投影指标 ，找 的可区分度 。 到最优 的投影变换 n。对于 m(仇 )个投影方 向，则存在投 以二维情况为例 ，二维集群及投影直方 图如 图 1所示 ， 影变换矩阵A—Ea。，n，…，口]，利用Y=A x可以实现从 其中图1(a)显示了二维空间的两个簇的集群分布情况，将其 维空间到 仇维空间的降维变换 。相应 的投影变换指标可 按照三个方 向投影至一维空间，相应产生三种直方 图，如图 1 写为 ： (b)、图 1(c)、图 1(d)所示 ，分别为垂直方 向、45。角方 向和水 J— H (y)： H (A X) (1) 平方 向。 由于求解式 (