高光譜成像儀高光譜圖像的降維方法有哪些?
發布時間:2023-11-24
瀏覽次數:493
高光譜成像儀?采集的數據塊通常含有幾百甚至上千個波段的光譜信息,這就造成了過高維度的光譜信息和數據較大的冗余性,因此在建模前對高光譜數據塊進行降維處理是進行數據分析的重要一步。本文對高光譜成像儀高光譜圖像的降維方法做了介紹,感興趣的朋友可以了解一下!
高光譜成像儀采集的數據塊通常含有幾百甚至上千個波段的光譜信息,這就造成了過高維度的光譜信息和數據較大的冗余性,因此在建模前對高光譜數據塊進行降維處理是進行數據分析的重要一步。本文對高光譜成像儀高光譜圖像的降維方法做了介紹,感興趣的朋友可以了解一下!
對于高光譜圖像而言,關鍵的問題是如何能在有效降低特征空間維數的同時,保留更多的有效信息。一般通過特征選擇和特征提取兩種方法解決高光譜圖像的維數災難問題。
1.特征選擇
在高光譜數據的分析過程中,波段即為主要分析的特征,考慮到數據的冗余性,需要進行波段篩選。特征選擇就是要從成百上千個波段數據中篩選出對目標量有著主要貢獻作用的特征波段集合,該特征集合既要能夠較為完整地保留所需要的信息,又要具有更低的數據維度??梢詮膬蓚€方面進行特征選擇,分別是準則函數和搜索策略。對于高光譜圖像而言,準則函數主要分為兩類。一類是基于類別可分性原則的,主要包括Bhattacharyya距離、Jeffreys-Matusita距離和離散度等;另一類是基于信息量原則的,就是主要依據各波段的信息熵來選擇,篩選出信息量大的波段。
搜索策略可分為全局最優搜索策略和次優搜索策略。全局最優搜索策略在處理高維度多類別的問題時算法復雜度較高,因此實際應用較少,一般都采用次優搜索策略。傳統的次優搜索算法有序列前向選擇法和序列后向選擇法等,采用次優搜索策略可從原始的特征集中挑選出一組較好的特征子集,但該特征子集未必是最優的。
2.特征提取
特征提取并非從原始的波段中進行選擇,而是將高維度的光譜數據經過變換映射到一個新的特征空間。該變換可以是線性的,也可以是非線性的,變換后得到的新特征空間包含了少量優化后的特征。在經過特征提取之后,特征空間中包含的新特征之間有顯著區別,在進行遙感影像分析時,提取的新特征向量代表著不同的地物信息,有利于進行分類判別。
當前常用的高光圖像特征提取方法包括:主成分分析法,小波變換法,獨立成分分析法等"。主成分分析法主要將相關性較高的原始特征映射為一組新的特征,生成的新特征互不相關,因此該方法對于波段間相關性高的數據十分有效。小波變換法在信號處理領域應用較多,把高光譜圖像中提取出的光譜數據看作一維離散信號,由于該方法具有多分辨率的分析特性,因此可以得到不同分辨率下的多個特征。獨立成分分析法在分離獨立分量之前先要確定出高光譜數據的本征維數,分離變量后得到的相互獨立的特征要比原始特征數少得多。
然而不管采用哪一種降維方法,在對高光譜圖像進行處理分析之前,都需要消除各種噪聲的干擾,對純凈的圖像進行分析。
相關產品
-
紅外光譜的發展、原理、特點、分類
紅外光譜的發展、原理、特點、分類紅外光譜的技術在各領域中的應用相繼經歷了很長時期,逐漸完善著自身技術在領域中的應用,且將低成本高性能作為發展與創新的主要方向。本..
-
近紅外光譜技術的優缺點和應用范圍
?由于近紅外光譜在光纖中良好的傳輸性,近年來也被很多發達國家廣泛應用在產業在線分析中。近紅外定量分析因其快速、正確已被列人世界谷物化學科技標準協會和美國谷物化學..
-
高光譜數據常見預處理方法有哪些?
高光譜在采集數據時會有成百上千個不同的波段數據,數據量巨大從而增加了數據處理的難度。而且在高光譜圖像采集過程中會有來自儀器與環境的干擾,獲得的光譜信號易存在噪聲..
-
高光譜成像儀光譜數據特征波長的選取方法介紹
高光譜成像儀?在對樣品進行側臉時,會采集多波段的光譜數據,全波段數據有較多的冗余信息,因此就需要采用一定的方法來選取樣本光譜的特征波段與紋理特征的重要變量。本文..