基于稀有特征保持的高光譜遙感圖像維數分析.pdf

1、高光譜遙感圖像具有數據量大、冗余高等特點，為了更加有效地分析此類數據，有必要對數據進行降維，而本征維數分析正是數據降維的基礎，其難點在于不僅要分析地物的主成分特征，而且要考慮保持一些具有特殊應用價值的稀有特征。本文以“基于端元特征提取的高光譜遙感圖像壓縮”國家自然科學基金課題為背景，對其關鍵技術之一—高光譜圖像的本征維數分析進行了探索與研究，以期利用確定的本征維數提高高光譜遙感圖像壓縮的質量。論文的主要研究成果及創(chuàng)新如下：
　　(

2、1)系統(tǒng)地分析和總結了多種虛擬維數分析算法，針對經典虛擬維數分析算法的不足，提出了一種噪聲抑制的虛擬維數分析算法：①對高光譜數據進行分解，降低了數據的處理量；②設定滑動噪聲檢測窗口，增強了算法的抗噪性能，有效提高了維數分析的準確性；
　　(2)針對線性維數分析方法的不足，研究了一類非線性學習方法—流形學習，并將其應用在在高光譜維數分析中，提出了基于流形學習的高光譜圖像維數分析算法，通過將其與線性維數分析方法比較，得出所提算法的優(yōu)勢

3、與不足，為基于稀有空間保持的維數分析算法的提出打下了基礎；
　　(3)針對現(xiàn)有本征維數分析方法的不足—沒有考慮稀有特征的保持，深入研究了基于稀有特征保持的維數分析方法，實現(xiàn)了一種能夠廣泛用于高光譜圖像維數分析的新算法：①利用噪聲抑制的虛擬維數算法確定本征維數的初始值，降低了信噪比變化對維數分析的影響；②利用基于流形學習的維數分析算法展開高光譜數據，得到本征維數的可靠上限，復雜度較低；③用基于剩余能量奇異值分解修正本征維數得初始值，