论文部分内容阅读
高光谱分辨率的传感器能够获取地面物体精细的地物波谱特征,很大的程度上增强了地面物体的判别能力。目前,高光谱遥感己经广泛地在地质、环境与灾害、精细农业、测绘及考古等领域得到应用。高光谱遥感影像成十上百的波段和大量且冗余的数据极大的提升了处理和解译的难度。在高光谱分类中,我们把分类精度随着波段数量的增加先升高后降低的现象叫做“Hughes”现象。研究发现最多有94%的光谱波段是可以舍弃的,而且不会影响分类的精度。因此,一般在应用中需要先对高光谱影像进行降维。目前,对于高光谱影像降维算法的研究比较多。常用的线性降维算法成熟,而且在ENVI等软件中有现成的功能模块,例如,主成分分析、最大噪声分数变换、独立成分分析等。尽管如此,目前对于降维后波段选择方法的研究比较少。传统的降维后波段选择方法如基于累计特征值(或者方差)、信噪比和负熵等,确定的波段数不合理,不适用于所有的降维算法,没有考虑图像中地物和空间位置的关系,确定的阈值并不能很好的解释。空间统计学是最常用的对区域化变量的空间特性和随机特性进行表述的科学。因此,本研究基于空间统计学探索了一种可以用于不同降维算法的合理的降维后波段选择方法,并确定了经验阈值。使用逐次增加实验半变异函数点数的加权线性规划法和交叉验证结合的方法自动拟合理论半变异函数。半变异函数的计算和拟合是空间统计学最基本的问题,目前常用的软件如ArcGIS、GS+等都可以实现半变异函数的计算和拟合,但是由于高光谱波段数较多,使用这些软件计算将非常不方便,而人工求解的效率非常低,因此需要实现实验半变异函数的自动计算和理论半变异函数的自动拟合。提出了基于理论半变异函数参数和分维数的两种确定降维后波段的方法。区别于传统的方法,使用理论半变异函数确定的变程和拱高/基台值以及实验半变异函数确定的分维数进行降维后波段的选择,通过马氏距离分类法对筛选出的波段分类,计算分类的精度,最终确定了降维后选择波段的方案和阈值。通过实验获得了变程为4.5、拱高/基台值为0.2、|分维数-2|为0.02的常用降维后波段选择的经验阈值。