超分光图像分析的波段选择.doc

超分光图像分析的波段选择 摘要 随着成像光谱仪的发展日益成熟,超分光图像的研究已进入到一个新的阶段--对获取的超分光数据进行有效处理和利用的阶段。目前的处理方法主要集中在对超分光图像的数值分析处理上,比如大气校正、降低数据维数、信息提取、分类与目标探测等方面。由于通过选择最优波段而组成新的超分光图像空间,在不损失重要信息的条件下可以代表其他波段的信息。由此本研究提出了利用粒子群优化算法的超分光图像分析的波段选择方法。经过此次方法的筛选，在大幅度降低所需信息量和储存空间的情况下，错误率上升在可接受范围之内，实验结果表明本研究提出的波段选择方法是行之有效的。 关键词：超分光图像；波段选择；粒子群优化算法；线性鉴别分析法 Abstract With the advanced development of spectrometer,research of hyperspectral remote sensing image has come to a new stage processing and utilizing the acquired image efficiently Now many processing methods are centered on arithmetic analysis processing of hyperspectral such as atmosphere correction,dimensionality reduction,information extraction,classification and target detection,etc.All bands do not have the same importance because there is great relation between adjacent bands,by selecting optimal bands,a new hyperspectral image space that can represent information of other bands can be assembled,under the condition that it will not lose important information.So this paper presents a band selection method for hyperspectral image analysis based on PSO.After the band selection,a significant reduction in the amount of information required and storage space of the cases，the classification error rate increased in acceptable range,experimental result shows that the proposed method is suitable and effective for band selection. Keywords:hyperspectral image;band selection;PSO;LDA 目录 摘要 I Abstract II 引言 1 第一章绪论 2 1.1课题背景 2 1.2超分光遥感技术在国外的发展 2 1.3超分光遥感技术在国内的发展 3 1.4研究目的及意义 4 第二章超分光图像简介 6 第三章超分光图像波段选择方法 8 3.1粒子群优化算法（PSO） 8 3.2线性判别分析（LDA）和Fisher比率 11 3.3超分光图像波段选择 13 第四章实验结果 14 结论 16 参考文献 17 引言 超分光图像是一种三维体积数据包含二维空间信息的图像，其光谱分辨率在10nm级别。遥感技术经过20世纪后半叶的发展，无论在理论上、技术上和应用上均发生了重大的变化。其中，超分光图像技术的出现和快速发展无疑是这种变化中十分突出的一个方面。本文第一章首先介绍了超分光遥感技术，以及这门技术的发展过程和研究意义；然后第二章介绍了超分光图像的相关内容。第三章重点介绍本论文采用的方法。第四章是实验结果和分析。 第一章绪论 鉴于超分光图像数据独具的高光谱分辨率，其蕴含的地物光谱信息日益受到广泛关注。在传统图像处理领域已经研究了多种处理方法，相关技术日趋成熟。而相对传统的多分光图像相比，超分光图像具有图谱合一的特点。超分光图像光谱波段数目多，光谱分辨率高，波段宽度窄，能够以较高的可信度区分和辨识地物目标。但是超分光图像的这些优点是以其较高的数据维数和较大的数据量为代