5 高光谱遥感数的特征选择与提取.pptVIP

第五章 高光谱遥感数据的特征选择与提取 高光谱遥感数据有助于我们完成更加细致的遥感地物分类和目标识别，然而波段的增多也必然导致信息的冗余和数据处理复杂性的增加。 具体表现在：（1）数据量急剧增加：波段的增加，使得高光谱数据比传统数据多1-2个数量级，表现在显示，存储，管理方面相当繁琐（2）计算量增大：数据的膨胀导致计算机处理载荷大幅度增加，寻找有效地降维空间手段是必要的（3）统计参数的估计误差增大：利用统计方法为了达到比较精确的估计，样本个数一般是波段数的100倍以上，这在高光谱数据中往往无法实现，因此，导致了分类精度的普遍下降。 当光谱维数增加的时候，特征组合形式成指数倍增加，例如原始波段为N，优选后的光谱波段是M，那么光谱特征组合数为：N!/(N-M)!/M!。显然这个数目很巨大，直接导致了运算效率下降，因此，如何优化光谱特征空间，进行光谱选择非常重要。 该图列出了波段数增加时，不同的样本个数与类别可分性的变化 为了进行最优选择，我们需要一个准则来衡量。如果特征可以进行分类，那么我们利用分类的错误概率来作为特征选择的准则。前人的研究表明：可分性越高的特征，分类错误的概率越低，选择的特征越优。最优特征——分类错误概率——可分性 可分性准则 选择可分性准则必须综合考虑两个策略： 一、选择各类平均可分性最大的特征 二、选择最难分的类别具有的可分性最大的特征 第