高级光谱分析.pptVIP

高级光谱分析 3.1 MNF变换 最小噪声分离（MNF）变换用于确定影像数据内在的维数，隔离数据中的噪声，减少随后处理计算的需求。 MNF本质上含有两次叠置处理的主成分变换。 3.1 MNF变换 第一次变换基于对噪声协方差矩阵的估计，用于分离和重新调节数据中的噪声。产生的变换数据中噪声具有单位方差，且波段间不相关。 第二次变换将对白化的噪声数据进行标准主成分变换。 数据空间可以分为两部分：一部分与大的特征值和相对应的特征影像相关，其余部分与接近一致的特征值以及主要含有噪声的影像联系在一起。 3.1 MNF变换 MNF 变换也可以被用来从数据中消除噪声。主要通过运行正向的变换，判定哪些波段包含相关图像，用波谱子集（只包括“好”波段，或反转前平滑噪声）进行一次反向的 MNF 变换。 主成分分析：除去波段之间的多余信息，将多波段的图像信息压缩到比原波段更有效的少数几个转换波段的方法。将相关的多波段信息通过数学转换成不相关的信息。 3.1 MNF变换 Forward MNF Transform (正向的 MNF 变换) 正向的 MNF 变换有三个选项，用于估计第一次旋转中用到的噪声统计。三个选项包括从输入的数据中估计噪声，运用以前计算的噪声统计，或用与数据集相关的“暗色图像”计算噪声统计。 Estimate Noise Statistics from the Data (由数