高光谱图像的特征提取与特征选择研究.pdfVIP

２０１５ 年６ 月 ： Ｊｕｎ ．２０１５ 第３２ 卷 第２ 期 Ｊｏｕｒｎａｌ ｏｆ Ｇｕａｎｇｘｉ Ｔｅａｃｈｅｒｓ Ｅｄｕｃａｔｉｏｎ Ｕｎｉｖｅｒｓｉｔｙ ：Ｎａｔｕｒａｌ Ｓｃｉｅｎｃｅ Ｅｄｉｔｉｏｎ Ｖｏｌ ．３２ Ｎｏ ．２ ：１００１‐８７４３（２０１５）０２‐００３９‐０５ * 杨仁欣，杨 燕，原晶晶 （ ， ５３００２３） ：特征提取和特征选择是模式识别的关键问题之一，它影响到分类器的设计及其性能．高光谱图像数据 是超高维多特征数据集，如何实现高维特征空间的特征压缩和特征提取是一个重要课题．基于高光谱图像谱图合 一、数据维度高的数据结构特点，该文从光谱和图像两个层面分别综述了主成分分析、最小噪声分离、独立成分分 析等光谱特征提取方法以及基于颜色、纹理、形状等图像特征提取方法．还详细介绍了核主成分分析和投影寻踪方 法这两种高光谱特征提取新方法，并给出了以上方法的应用实例．特征提取和特征选择的研究将为后续的高光谱图 像分类奠定良好的基础． ：高光谱图像；特征提取；特征选择；主成分分析；最小噪声分离；独立成分分析；核主成分分析；投影寻踪 ：ＴＰ７５１ ：Ａ ０ 引 言 特征提取和特征选择在模式识别中扮演着一个重要角色．特征提取过程的实质是通过映射或变换 的方法，将高维空间中的特征描述用低维空间的特征来描述．特征选择是从众多特征中找出那些最有效 的特征来实现降维．基于高光谱图像图谱合一，数据结构高维的特点，本文从光谱和图像两个层面综述 了典型的高光谱图像的特征提取和特征选择方法，并给出相应的应用实例． １ 高光谱特征提取和特征选择的研究 高光谱特征提取是指对原始的光谱空间特征进行重新组合和优化，提取出最适合当前应用需求的 ［１］ 新特征．高光谱特征提取如图１ 所示，通常使用线性或非线性方程，将原始的高维特征空间投影到低维 的优化后的新特征空间，提取的特征应同时满足类别可分性准则．高光谱特征选择则是对原始特征空间 的子集挑选，选出那些最具有可分性的光谱波段．高光谱特征选择如图２ 所示．常用的高光谱特征提取 和特征选择方法有主成分分析、最小噪声分离、独立成分分析法等． １ ２ １ ．１ 主成分分析是一种统计分析方法．所谓主成分，其实也就是原变量的线性组合．即假设有 个指标， ｐ ：２０１５‐０４‐１６ * ：广西教育厅项目（２０１２０３ＹＢ１０３） ：杨仁欣（１９８８－ ），男，山西应县人，硕士研究生，研究方向为模式识别和数据挖掘． ：杨燕（１９７３－ ），女，广西南宁人，副教授，博士，硕士生导师，研究方向为高光谱图像处理．Ｅ－ ｍａｉｌ： ＿ ａｅ＠ １６３ ．ｃｏｍ ｙ ｙ ・ ４０ ・ 广 西 师 范学 院学报：自然科 学 版 第３２ 卷 １ ２ 我们把这 个指标看做 个随机变量，记为Ｘ ，Ｘ ，… ，Ｘ ，主成分分析实质就是要讨论这 个指标的 ｐ ｐ ｐ ｐ 线性组合问题： １ １１ １ ２１ ２ １