对高光谱遥感数据的分析与处理.pdf

对高光谱遥感数据的分析与处理 姓名：张俊飞 班级：021051 学号 E-mail：jeffei@163.com 时间：2013年4月25日 对高光谱遥感数据的分析与处理 一、高光谱成像介绍 高光谱成像技术是近二十年来发展起来的基于非常多窄波段的影像数据技 术，其最突出的应用是遥感探测领域，并在越来越多的民用领域有着更大的应用 前景。高光谱成像技术集中了光学、光电子学、电子学、信息处理、计算机科学 等领域的先进技术，是传统的二维成像技术和光谱技术有机的结合在一起的一门 新兴技术。 近几年年来，自然灾害频发，所以，及时、准确的灾情评估对决策部门制定 科学和有效的救灾减灾方案具有关键性的作用。遥感具有数据获取范围广、速度 快等特点，应用在灾害评估中具有非常大的优势和潜力。在我国近年来的多次重 大自然灾害评估中，遥感技术都发挥了极其重要的作用。遥感技术的应用不止于 此。下面列举了主要的应用方面： 1.气象：天气预报、全球气候演变研究； 2.农业：作物估产、作物长势及病虫害预报； 3.林业：调查森林资源、监测森林火灾和病虫害； 4. 水文与海洋：水资源调查、水资源动态研究、冰雪监控、海洋渔业； 5. 国土资源：国土资源调查、规划和政府决策； 6. 环境监测：水污染、海洋油污染、大气污染、固体垃圾等及其预报； 7. 测绘：航空摄影测量测绘地形图、编制各种类型的专题地图和影像地图； 8. 地理信息系统：基础数据、更新数据。 虽然拥有诸多优点，但其本身带有很大的数据，对硬件和软件有很高的要求， 本文中，先不对硬件进行讨论，就软件方面，对数据进行一系列处理，做到既不 丢失其主要数据，又能降低其时空复杂度。 二、PCA 理论基础 对测试数据库说明如下： AVIRIS高光谱数据92AV3C：该场景由AVIRIS传感器于1992年6 月获得， 该数据为145*145大小，有220 个波段。该数据及真实标记图可以由因特网下载： http://www.ehu.es/ccwintco/index.php/Hyperspectral_Remote_Sensing_Scenes。该数 据共包含16个类别。 200 该数据维数为 维，维数较高，我们希望找到一种简洁的算法来把它的维 数降下来，这样处理数据的速度可以加快，节省人力物力。 2.1PCA 简介 主成分分析(Principal ComponentAnalysis, 简称PCA)是一种常用的基于变量 1 协方差矩阵对信息进行处理、压缩和抽提的有效方法。 算法如下： Step1 Step1 SStteepp11 分别求各维的平均值，然后对于所有的样例，都减去对应的均值，得到 DataAdjust(m*n) Step2 Step2 SStteepp22 求特征协方差矩阵。 Step3 Step3 SStteepp33 求协方差的特征值和特征向量，得到特征向量与特征值 Step4 Step4 SStteepp44 k 将特征值按照从大到小的顺序排序，选择其中最大的 个，然后将其对 应的k个特征向量分别作为列向量组成特征向量矩阵。 Step5 Step5 SStteepp55 将样本点投影到选取的特征向量上。假设样例数为m，特征数为n，减 DataAdjust(m*n) n*n k 去均值后的样本矩阵为 ，协方差矩阵是 ，选取的 个特征向量组成的矩阵为EigenVectors(n*k)。那么投影后的数据FinalData 2.2 算法合理性的求证 最大方差理论 要解释为什么协方差矩阵的特征向量就是k维理想特征，我看到的有三个理 论：分别是最大方差理论、最小错误理论和坐标轴相关度理论。这里简单探讨前 两种，最后