[理学]高光谱影像特征选择与提取.pptVIP

谢谢大家！ 式中符号的意义同于“离散度”公式中的定义。 对于任何一给定的地物类别，只要算出这两个不同类别在所有可能的波段组合中的标准距离、离散度或B距离，并去最大者，便是区分这两个类别的最佳波段组合，即最优子集。 上面几种方法是针对两个类别而言，也就是说它们都是类对间的可分型度量。对于对类别而言，一个常用的办法是计算平均可分型的平均值，并按平均值的大小排列所有被评价的子集顺序，从而选择最佳组合波段。 分为最优（Optimal）搜索算法和次优搜索算法。目前实际高光谱图像波段选择都使用次优搜索算法。次优搜索算法是依照准则函数选择一组性能较好的，但不一定是最好的特征集合。传统的方法有有序贯前向选择法（Sequential Forward Selection，SFS）和序贯后向选择法（Sequential Backward Selection ,SBS） 主要有主成份分析（Principal Component Analysis，PCA）、小波变换(Wavelet Transform，WT)、独立成分（Independent Component Analysis ，ICA、投影寻踪方法等 从操作对象、算法原理、特征性质和应用方式等方面综合考虑，光谱体系包括光谱曲线特征、光谱变换特征和光谱相似度量特征三个层次，分别对应于全部波段的像元光谱曲线分析、部分波段的数据变换与组合、光谱相似性度量三种应用模式。 光谱曲线特征 光谱运算与变换特征 光谱相似性度量特征 光谱曲线直接编码 光谱吸收特征参数 光谱吸收指数 光谱曲线特征的重要思想是强调曲线形状，直接编码是一种非常直观的方式，最常用的是二值编码（binary coding），即对每一像元，对各波段属性值与某一阀值比较，相应地赋予“0”或“1”的编码。 其中S[i]为第i波段编码Xi为该波段原始属性值，T为阀值。通常阀值选整个光谱向量的平均值，也可以取向量中值或根据光谱曲线进行人工阀值选择。 二值编码采用单阀值进行处理，划分取决范围较大，表达进度较低。一种改进算法是多值编码。四值编码基本方法是：首先对整个像元光谱向量取平均值，得到阀值T0，将像元属性值分为 、 两个区间，确定两个区间的像元，在分别对两个区间的像元属性值取均值，得到两个新的阀值 、 ，最终形成四个区间间 、 、 、 ,分别用0、1、2、3表示，对每一像元向量，根据其各波段属性值所处区间分别赋以相应的编码，最后进行匹配比较。 [ 地物光谱曲线反映了地物的吸收和反射特征，对光谱吸收特征参数的提取将成为未来高光谱信息处理研究的主要方向。光谱吸收特征主要由以下特征参数表示，吸收波长波段位置（P）、反射值（R），深度（H）、宽度（W）、斜率（K）、对称度（S）、面积（A）等。 吸收波段位置（P）是光谱最小值对应的波长，有时也可定义为光谱最大值对应的波长；吸收波段位置处的光谱值即反射值（R）；波段深度（H）是由于矿物化学成分在某波长点上吸收光谱特征而比邻接波段有较低的反射率；宽度（W）是指波段深度一半处的宽度；斜率 。其中： 、 分别为吸收终点、吸收始点反射率值； 、 为相应的波长；吸收峰对称度S=A1/A（A1为吸收峰左半端的面积，A为吸收峰的整体面积）。 利用这些参数可以对地物进行识别和分类，如对同类地物光谱曲线特征求交得到识别地物的有效特征；对不同类地物光谱曲线特征求交得到区分不同类地物的有效特征，从而达到快速识别和实现地物分类的目的。 不同地物光谱曲线，其吸收波峰波谷形状、位置、宽度、深度和对称度等属性也不同。每一个光谱吸收特征可以由光谱吸收谷点M及其两个肩部S1?和S2组成，或由吸收峰值点及两个肩部组成。 植被指数 导数光谱 常规多光谱植被指数通常表达为近红外波段与可见光红波段的差值和比值的组合，常用的是比值植被指数（RVI）和标准化植被指数（NDVI）。对于高光谱遥感数据而言，NDVI可以被看作是一个梯级函数，来表达植被反射率在=0.7um处的突然递增。 植被指数在高光谱应用中非常重要，能够描述植被的精细信息如叶面积指数LAI、植土比、植被组分等，以进行植被指数与生物量预测，在有些分类如神经网络分类器中经常将其作为一个独立特征参加分类。 导数光谱也称光谱微分技术（Spectral Derivative）。采用导数光谱技术可以消除光谱数据之间的系统误差、减弱大气辐射、散射和吸收对目标光谱的影响，以便提取可识别地物的光谱吸收参数（波长位置、