遥感数字图像的主成分分析.docVIP

实习8 遥感数字图像的主成分分析 主成分分析（PCA）是用于多波段数据的一个线性变换，变换数据到一个新的坐标系统，以使数据的差异达到最大。这一技术对于增强信息含量、隔离噪声、减少数据维数非常有用。ENVI 能完成正向的和逆向的 PC 旋转。 一、实验目的 1、了解遥感数字图像主成分分析的原理和方法（参见梅安新教材P123-127）； 2、掌握在ENVI或Idrisi中进行主成分分析的过程和方法（或流程和操作）； 3、深刻理解主成分分析（K-L变换）产生的处理效果、处理意义与实用价值。 二、实验原理 K-L变换是离散Karhunen-Loeve变换（卡洛南-洛伊变换）的简称，又常被称作主成分变换。它是对某一多光谱图像X，利用K-L变换矩阵A进行线性组合，而产生一组新的多光谱图像Y的操作。 表达式为：Y=AX，式中X为变换前的多光谱空间的像元矢量；Y为变换后的主分量空间的像元矢量；矩阵A是X空间协方差矩阵∑x的特征向量矩阵的转置矩阵。 变换前各波段之间有很强的相关性，变换后输出图像Y的各分量yi之间将具有最小的相关性，新波段主分量包括的信息量不同，呈递减趋势，第一主分量集中了最大的信息量，第二、第三主分量的信息量依次快速递减，最后的分量几乎全是噪声。 三、正向主成分分析的实验操作步骤 正向主成分分析/计算统计值分析的选择：使用Transform\Principal Components\Forward PC Rotation (正向的 PC 旋转) \Compute New Statistics and Rotate (计算新的统计值和旋转) 可一次完成转换特征值、协方差、矩阵等的计算，并自动完成主成分的变换，得到特征值曲线图，以及各主成分的图像。 正向的 PC 旋转用一个线性变换使数据差异达到最大。当你运用正向的 PC 旋转时，ENVI 允许你计算新的统计值，或将已经存在的统计项进行旋转。输出值可以存为字节型、浮点型、整型、长整型或双精度型。你也可以基于特征值抽取PC旋转输出的部分内容，生成只有你需要的PC波段的输出。 一旦旋转完成，将会出现PC特征值图。显示出每一个输出的 PC 波段的差异量。PC 波段将显示在 Available Bands List 中。 这一选项用于计算数据特征值、协方差或相关系数以及 PC 正向的旋转。 1 选择 Transforms→ Principal Components → Forward PC Rotation→Compute New Statistics and Rotate。 2 出现 Principal Components Input File 对话框时，选择输入文件。 3 出现 Forward PC（Rotation）Parameters 对话框时，在 “Stats X/Y Resize Factor” 文本框中键入小于 1 的调整系数，对计算统计值的数据进行二次抽样。 键入一个小于 1 的调整系数，以提高统计计算的速度。例如，在统计计算时，用一个 0.1 的调整系数将只用到十分之一的像元。（默认值为1，表示用全部像元做计算） 4 若需要，键入一个输出统计文件名。 5 点击按钮，选择是否计算 “Covariance Matrix”（点上下箭头图标，还可选相关矩阵）。 计算主成分时，一般选择使用协方差矩阵。当波段之间数据范围差异较大时，选择相关系数矩阵，并且需要标准化。 6 选用 “File” 或 “Memory” 输出。 若选择输出到 “File”，在标有“Enter Output Filename”的文本框里键入要输出的文件名；或用“Choose”按钮选择一个输出文件名。 7 从 “Output Data Type” 菜单里，选择输出类型（字节型，整型，无符号整型，长整型，无符号长整型，浮点型，双精度型）为Floating Point。 8 用下列选项，选择输出 PC 波段数。 ·限定输出 PC 波段数，键入需要的数字，或用 “Number of Output PC Bands” 标签附近的按钮确定输出的 PC 波段数。 默认的输出波段数等于输入的波段数。 ·通过检查特征值，选择输出的 PC 波段数。 A 点击 “Select Subset from Eigenvalues” 标签附近的按钮，选择“YES”。 特征值将被计算，出现 Select Output PC Bands 对话框，列表显示着每一个波段和其相应的特征值。同时也为所有波段显示出每个波段中包含的数据变化的累积百分比。 B 在 “Number of Output PC Bands” 文本框里，键入一个数字或点击按钮，确定输出的波段数。 特征值大的 PC 波段包含最大量的数据差异。较小的特征值包含较少的数据信息和较多