文档下载 文档下载导航
设为首页 | 加入收藏
搜索 请输入内容:  
 导航当前位置: 文档下载 > 所有分类 > 农林牧渔 > 林学 > 一种新的高光谱遥感图像降维方法
侵权投诉

一种新的高光谱遥感图像降维方法

中国图象图形学报第10卷

尺H.;和R“+。是第i个波段与其前后两波段的相关系数,相关系数越小,两个波段数据之间的独立性越高;,i是第i幅图像的指数大小;M、N分别是图像的行、列像素数Z(戈,Y)是第i幅图像;fi是第i幅图像的像素平均值。

ABS方法获得的指数充分考虑了每幅图像的信息富集程度与相邻波段的相似性,‘越大,相应图像的信息量就越大,越具有代表性。最终波段选择的方法有两种:一种是系统根据设定的阈值选择波段数目,阈值的设定可以根据后续的处理需要自适应地选择适合的指数值,确定了阈值之后,指数大于该阈值的波段就被选择出来;另一种方法就是选择波段指数排在前面的n个波段。

Table1

B28Lmmmmmm

OO724643383O2699690l

Lmmnmm

OO

l

为了验证自适应波段选择方法的有效性,采用高光谱AVIRIS原始图像进行了实验。该图像取自1992年6月拍摄的美国印第安纳州西北部印第安遥感试验区的一部分,去掉受噪声和水汽吸收较明显的谱段,从原始的220个波段中选取了180个作为研究对象。它包含了农作物和森林植被的混合区。

180个波段的部分相关系数矩阵如表1所示,可以看出相邻波段的相关性一般比较大,随着波段距离的增大,相关系数相应地减小。用自适应波段选择方法得出的指数如表2所示,其中,指数t由大

到小排列,后面是对应的波段号(该波段号为在180

个波段集中的序号)。本文根据波段对应的指数值选择了指数排在前面的50个波段。

表1谱带B28—1339的相关系数矩阵

皿e

correlationB32

matrixofbandB28一B39

B34

B35

B36

B37

B38

B39

B29B30B31B33

9Lmmmmmmmmm

0O01386141

Lmmmmmm

O2943312

m仉

L0m988m仉m8m8m8

O629243

Lmmmmmm

O57O6l

L仉mmm

0O43525344

1OOOO

00646060

1.00000.99770.99780.9974

1.00000.99570.9975

1.00000.9978

1.O000

38

1

4

2712260235

咖啪狮嘶懈mO5

902884

塑麟脚啪肼藿;脚科肼瞄聊嘲聊

7O眦眦眦眦

m仉c;mm

97

咖嘶叭泓们勉跚蹦跏91咖蛳粥Ⅲ抛枷抛枷搦蛳蜘7

1m勉m拗06

∞酊丝M为订卯n勰

7

m8帅铊∞;。记田n回5

咖咖售|奢咖吼啪O

m∞鲫鲫∞鲫∞35∞鳄鲫鳄鳄55

表2指数及其对应的波段号(前18个)

Table2

Index

下式确定‘8|。

m。(i)

脑(i)=

m2(i)

=Ei{X}=

and

itscorresponding

bandnumber(first18th)

%

3贝叶斯分类法

为了说明经波段选择后的图像更有利于分类,采用贝叶斯监督分类方法对高光谱图像进行分类。首先参考土地资源利用图,选定训练区域和训练样本。设类别i总数为£,用训练区域内的点作为光谱模型,计算每个类别的平均值向量和协方差矩阵,作为分类的特征模型。设类别i的像素总数为N(i),则n维平均值向量M(i)和协方差矩阵三(i)分别由

㈣∑丛Ⅳ鼍盯

一Ⅳ

㈣∑Ⅲ㈣∑川

%

~

(5)

㈣∑川

Ⅳ(f)

%

三(i)=Ei{(x(i)一M(i))(x(i)一M(i))’}

=型—而广一M(i)M(i)’(6)N

∑Xj(i)Xy(i)’

(i)

、

、

7

、

7

万方数据 

上一页第3页

你可能喜欢

  • 姓氏起源
  • 姓氏源流
  • 中兽医学
  • 高光谱图像
  • 光谱分析
  • 数据处理流程

热门文档

相关文档

站点地图 | 文档上传 | 侵权投诉 | 手机版
本站所有资源均来自互联网,本站只负责收集和整理,均不承担任何法律责任,如有侵权等其它行为请联系我们.
文档下载 Copyright 2013 doc.guandang.net All Rights Reserved.  -  email