主成分变换和MNF变换(包含程序)课件.ppt

PCA 算法描述 三类基本空间 图像空间 光谱空间 特征空间 另外一个很重要的空间 样本空间 一个问题 正方形内,均匀分布的散点,信息量最大的方向是什么? 几个基本统计概念 均值: 方差: 标准差: 协方差: 相关系数: 几个基本统计概念 协方差矩阵: 相关系数矩阵: 协方差矩阵计算的两种方法 基于光谱的 基于图象的 PCA 算法描述 PCA PCA 上面的过程得到了图象协方差矩阵所有的特征值和特征向量,图象 在所有相应特征向量方向的投影就称之为主成分变换. PCA的特点 主成分是原变量的线性组合 各个主成分之间互不相关 主成分按照方差从大到小依次排列,第一主成分对应最大方差(特征值) 每个主成分的均值为0,方差为协方差矩阵对应特征值 方差大代表信息量多,方差小代表信息量少. PCA的几个例子 模拟数据(随机生成不同形状数据) 图象数据(特征值曲线,信息的认识(分布结构)信息量的认识,最大最小主成分) PCA:几个问题 PCA是正交变换么?为什么? PCA可以保持图象在特征空间的结构么?为什么? PCA会造成数据信息损失么? 协方差矩阵的性质和含义? PCA变换矩阵的含义? PCA在遥感图象处理中的问题?(噪声，演示) MNF 算法描述 MNF 将上述变换矩阵作用于图象即为MNF变换. 注:MNF算子为 的特征向量矩阵 MNF例子 MNF与PCA比较 模拟数据演示白化效果(并且注意与下面的第四题的联系) MNF的几个问题 MNF与PCA的关系? 什么情况下用PCA好?什么情况下用MNF好?二者在什么情况下等价? MNF用什么指标衡量信号的重要性? MNF是正交变换么?他对特征空间中数据结构的保持情况如何? MNF中噪声矩阵如何估计? 先PCA再MNF图象会有变化么?先MNF再PCA呢? 公共邮箱 gaogp2010@163.com 123456 J = imnoise(I,salt pepper,D) adds salt and pepper noise to the image I, where D is the noise density. This affects approximately D*PROD(SIZE(I)) pixels. The default for D is 0.05. 读数据 fid=fopen(d:\RSI\IDL62\products\envi42\data\cupbsq.img,r); M=400;N=350;band=50； R=zeros(M,N,band); for i=1:band, F=fread(fid,[M N],int16); R(:,:,i)=F; end fclose(fid) 协方差矩阵 r(1:band,1:band)=0; v(1:band)=0; for i=1:M, for j=1:N, a(1:band)=R(i,j,1:band); r=r+a*a; v=v+a; end end r=r/(M*N); v=v/(M*N); C=r-v*v; 谢 谢 主成分变换和MNF变换 耿修瑞 中科院电子所 几种空间介绍 几个基本的统计概念 主成分变换 MNF变换 提要 三类基本空间 图像空间 光谱空间 特征空间 另外一个很重要的空间 样本空间 一个问题 正方形内,均匀分布的散点,信息量最大的方向是什么? 几个基本统计概念 均值: 方差: 标准差: 协方差: 相关系数: 几个基本统计概念 协方差矩阵: 相关系数矩阵: 协方差矩阵计算的两种方法 基于光谱的 基于图象的 * * * * 主成分变换和MNF变换 耿修瑞 中科院电子所 几种空间介绍 几个基本的统计概念 主成分变换 MNF变换 提要 * * * *