高光谱遥感影像波段选择算法评价方法研究.pdf

维普资讯 第22卷 第 6期 地 理 与地 理 信 息科 学 V01．22 No．6 2006年 11月 GeographyandGeo——InformationScience November2006 高光谱遥感影像波段选择算法评价方法研究 李 行 ，毛定山2一，张连蓬4 (1．华东师范大学河口海岸学国家重点实验室，上海 200062；2．山东科技大学信息科学与工程学院，山东青岛266510； 3．中国科学院地理科学与资源研究所资源与环境信息系统国家重点实验室，北京 100101；4．徐州师范大学测绘学院，江苏徐州 2211l6) 摘要：波段选择在高光谱影像数据降维处理中尤为重要，其算法较多，但针对波段选择算法评价方法的研究却很 少。该文提出一种波段选择算法的评价方法。引入信息量、类别可分性和相关性 3个指标，对所选波段子集进行 度量，通过比较不同波段选择算法所选波段子集的度量结果 ，实现对波段选择算法的评价。在试验中，将该评价方 法应用于4种常用的波段选择算法，分析了评价结果并验证了该评价方法的可行性。 ． 关键词：高光谱影像；波段选择算法；评价方法 中图分类号：TP751 文献标识码：A 文章编号：1672—0504(2006)06—0034—04 系，直观性强，但也存在如下缺陷：1)每种波段选择 0 引言 算法都可以得到几种不同的波段选择结果，因此要 随着高光谱遥感技术的兴起，高光谱遥感影像 对每个结果进行分类精度的评价，而整个分类过程， 处理技术成为遥感应用研究领域的热点之一。高光 从训练样本的选取、分类器的选择到分类后精度的 谱传感器可以获取上百个光谱波段的地表影像数 评定要花费大量的时间，势必影响到具体应用的效 据，它为每个像元提供了一条具有诊断性特征的连 率；2)每种分类方法都有其各 自的适用性[，对于同 续光谱曲线。高光谱分辨率增强了高光谱遥感数据 一 种影像其分类精度也不同，选择能真实反映分类 区分细微差别地物的能力，同时也带来了维数灾难 精度的方法是一个值得研究的问题；3)训练样本的 (curseofdimensionality)的负面影响。因此，学者们 相对大小将直接影响到分类结果，而训练样本的选 研究了很多降维方法，而波段选择作为一种有效的 取带有许多主观因素，在某些情况下难 以真实地反 降维方法受到重视。 映问题 。 总结波段选择算法的研究情况，笔者将其归结 本文把特征有效性的量度准则引入波段选择 为两个层次：1)重视对波段选择算法的研究l1．3；2) 中，作为波段选择结果有效性的量度指标。关于特 对不同波段选择算法的性能和特点进行研究和比 征有效性可从两种意义上来解释L8J：一是数据压缩 较[．6]，以便有针对性地使用。目前人们在波段选 意义，即在尽量减少原有数据有用信息损失的条件 择上已进行了许多研究，但由于波段选择算法众多， 下，用相对少的部分特征有效地表现原始特征；二是 不同的算法效果各异，具体应用中难以找到最合适 类别可分性意义，即所选特征较其他特征能更有效 的波段选择算法。尤其对波段选择算法的评价准则 地描述地物类别。相对于这两种意义的两个常用的 缺乏系统性研究。对波段选择算法的评价不仅能够 特征有效性量度准则分别是最小均方差准则 (K—L 帮助人们选择最合适的算法，而且有助于改进和提 准则)和散布矩阵准则。类似地，波段选择结果的有 高现有算法的性能并指导对新算法的研究。鉴于 效性也可以从两种意义上来说明：一是信息量意义， 此。本文从所选波段的信息量、类别可分性和相关性 即所选波段较其他波段应包含更多的信息量；二是 3方面评价波段选择算法的性能。 类别可分性意义，即所选波段较其他波段能更有效 地区分地物类别。除信