基于加权仿射变换算法的高光谱数据降维.pdfVIP

第32卷 第8期 河 南 科 学 V0l32 No．8 2014年 8月 HENAN SCIENCE Aug．20l4 文章编号：1004-3918(2014)08—1451—06 DOI：10．13537~．issn．1004—3918．2014．08．018 基于加权仿射变换算法的高光谱数据降维 高 燕， 杨小远 (北京航空航天大学 数学与系统科学学院 教育部信息与行为实验室，北京 100191) 摘 要：提出一种基于噪声白化和端元提取的加权仿射变换算法用于高光谱图像数据降维，相比较于基于端元提 取的仿射变换算法，通过该算法降维后数据的信噪比更高，同时对原始信息的保存量更大，波段之间的相关性更 低，从而表明了该算法的有效性． 关键词：高光谱图像数据；噪声白化 ；数据降维；仿射变换；端元提取 中图分类号：TP751 文献标识码：A HyperspectralDataDimensionReductionBasedonW eightedRobust AffineSetFittingAlgorithm GaoYan， YangXiaoyuan (InformationandBehaviorLaboratoryoftheEducationMinistry ofChina，Instituteof MathematicsandSystemScience，BeihangUniversity，Beijing100191，China) Abstract：A robustaffinesetfittingalgorithm basedonnoisewhiteningandendmemberextractionforhyperspectral imagedata dimension reduction ispresented in thispaper．Compared to the effectofrobustaffine setfitting algorithm basedonendmemberextraction，thedatareceivedbythismethodhasahighersignal—to—noiseratio，and theoriginalinformationisretainedlarger，atthesametimethecorrelationofadjacentbandsislower，SOastoverify theeffectivenessoftheproposedalgorithm． Keywords：hyperspectralimagedata：noisewhitening；dimensionreduction；robustaffinesetfittingalgorithm； endmemberextractinn 高光谱 图像数据量大，波段众多，相邻波段之间存在着一定的相关性，使得所获得的数据在一定程度上 存在冗余，因此在对数据进行处理之前首先要对原始数据进行降维处理．数据降维的方法包括两种，一种是 特征选择，一种是特征提取．在传统降维方法的基础上，近几年又提出了很多新的降维方法 ． 球形随机邻近嵌入(sSNE)n]、最邻近特征线性嵌入变换 (NFLE)乜]、半监督的局部增强排列(SDLEA)D]、 稀疏转移流形嵌入(sTME) 、投影梯度的非负矩阵分解(PGNMF)b、基于稀疏探测器的数据降维(DRSD) 、 稀疏判别分析(SLDA)n、自联想神经网络(AANN)聃、基于端元提取的仿射变换(RASF)凹等方法都是在经典 降维算法的基础之上提出来的．本文在基于端元提取仿射变换 的基础上提出一种优化算法一基于噪声 白 化和端元提取的加权仿射变换算法 ．该算法与原始算法相 比增加 了噪声 白化、加权矩阵的选取等步骤，算法 性能更优 ． 噪声 白化的主要 目的是消除噪声的影响，噪声 白化准则 、小波变换n门等方法是 目前较为常见的降噪 收稿