基于空間結構信息和交叉驗證聚類的波段選擇.pdf

1、高光譜圖像數(shù)據(jù)的高維特征帶來了計算量大、耗費存儲空間等問題，可以利用高光譜圖像相鄰波段間的高度相關性進行數(shù)據(jù)降維。波段選擇方法是常用的高光譜圖像數(shù)據(jù)降維方法，在高光譜圖像處理中占有很重要的位置，它能減少高光譜圖像數(shù)據(jù)在后續(xù)處理中的計算量和存儲空間。目前已經存在很多種波段選擇方法，但是在波段選擇領域有兩個難題很少被人研究。第一個問題是高光譜成像儀獲取的高光譜圖像含有受水蒸氣吸收或者設備噪聲污染的波段，這些低質量波段會影響高光譜圖像的分類精

2、確率，必須去除。目前高光譜圖像中的低質量波段需要專業(yè)人員進行人工去除，過程十分耗時。第二個問題是在波段選擇中怎樣確定需要選擇的波段數(shù)目，雖然在實際應用中這是必不可少的步驟，但至今未能得到解決。針對以上兩個問題，本文提出了一種自動噪聲波段去除方法,簡稱ABS，能很好的解決上述兩個問題。該方法概括如下：
　　（1）盡管在每一個波段的高光譜圖像中，不同類別的物體幅度變化不同，但是對于高質量的波段，它們的空間結構是相似的。對鑒別力很高的高

3、質量波段，不同的地物類別之間具有清晰的邊界，而鑒別力很低的低質量波段則沒有這樣的特性。我們利用空間結構信息確定每個波段的質量，含有結構信息少的低質量波段被去除。具體就是獲取每個波段圖像的邊緣圖，然后對所有波段的邊緣圖求均值，得到參考空間結構圖，最后求每個波段的邊緣圖與參考空間結構圖的相關系數(shù)，對應相關系數(shù)高的波段就是高質量波段，反之就是低質量波段。
　　（2）我們用交叉驗證方法以分類準確率最大化為準則對數(shù)據(jù)進行分類，過程中使用kN

4、N分類器迭代地進行交叉驗證直到達到最高分類精確率為止，在最終的分類結果中，我們選取每一類與該類中其他波段總體相關性最高的波段作為代表用于分類。該方法使用強大的分類器找出數(shù)據(jù)內在的、固有的分布，因此不需事先設定聚類的數(shù)目，該算法能夠根據(jù)數(shù)據(jù)的內在分布自動確定聚類的數(shù)目。
　　基于三組實際高光譜圖像數(shù)據(jù)的實驗證明了本文方法的有效性。三組實際高光譜圖像數(shù)據(jù)分別是 Indian pines高光譜圖像數(shù)據(jù)、Salinas高光譜圖像數(shù)據(jù)和 P