一种改进的特征子空间高光谱影像降维方法

摘要

高光谱遥感影像具有丰富的信息光谱,但同时也具有大量的冗余信息.为了更好地对影像进行降维处理,从而减少冗余信息对遥感信息提取的不利影响,提出一种改进的特征子空间高光谱影像降维方法.首先选取两幅不同区域的高光谱影像作为实验区,根据高光谱影像波段相关系数矩阵"分块"的特点,利用自动子空间划分方法将实验区划分为不同的分类区间;其次利用加权K-means聚类算法计算各区间聚类中心参数,求出相邻聚类中心与对应波段间的互信息之差绝对值的最小值来确定特征子空间的划分边界,并利用 自适应波段指数法求出最佳波段,进行波段组合;最后采用基于对象的图像分析方法对降维后的高光谱影像进行分类.为验证方法的有效性,将其与常用的主成分分析法、最小噪声分离法和最佳指数法的分类结果进行实验对比.实验结果表明,基于改进的特征子空间高光谱影像降维方法分类精度明显高于其它3种常用分类方法,具有明显的降维及分类优势.