高（多）光谱数据的背景-异常子空间模型研究

摘要

本文引用独立成分分析与盲信号分离的一些重要理论思路，通过分析遥感图像数据非高斯分布的基本特点，以及高（多）光谱数据空间的几何结构特征，探知遥感图像多元数据集合的高维空间属低维几何结构-“超平面”形态，而包含蚀变信息在内的异常点通常会游离在“超平面”之外。在此基础上，引申主成分分析(PCA)的基本性质，提出了遥感图像多元数据集合高维空间的背景-异常信号子空间可划分的概念，并给出了一些重要统计参数的估计方法。最后通过实例分析说明了理论分析的正确性与实用性。