基于特征优化的高光谱遥感影像降维算法

摘要

高光谱影像数据量大、波段间相关性强、信息冗余度高等特点为地物高效识别与分类带来挑战.鉴于降低维度在有效利用高光谱数据方面的重要性,文章提出高光谱影像特征优化降维算法.相关系数矩阵用以确定初始子空间,以此作为先验确定聚类个数及初始聚类中心.依据相似性度量准则,应用K-means算法进行波段聚类,取不同准则下聚类结果交集,实现子空间的自动划分,并利用PCA变换提取第一主成分作为子空间降维结果.对于未被子空间覆盖的剩余波段,采用BSMM算法进行降维处理.叠加2次降维结果,实现最终降维.通过对华盛顿哥伦比亚特区和帕维亚大学2幅影像降维结果的定性定量评价,验证本文算法的可行性与有效性.实验表明,该算法能够在更好实现影像降维的同时极大限度地保留原始影像信息,为后续高光谱影像快速解译提供可能.