基于稀疏表達的遙感數(shù)據(jù)集相關(guān)性分析.pdf

1、近年來，隨著對地觀測技術(shù)的發(fā)展，遙感數(shù)據(jù)資源也越來越豐富，如何對數(shù)據(jù)中隱含的關(guān)系和規(guī)律進行分析和挖掘，從而獲得一些新的信息，成為近年來知識發(fā)現(xiàn)領(lǐng)域的研究熱點。分析數(shù)據(jù)間的相關(guān)性則對于提高知識發(fā)現(xiàn)的效率具有極其重要的意義。
　　遙感數(shù)據(jù)體量龐大，借助軟件直接在空域下對其進行相關(guān)性分析需要批量帶入所有的數(shù)據(jù)，故耗時長、所需存儲空間大，時間和空間效率較低。當(dāng)數(shù)據(jù)急劇增加時，軟件還會面臨失效的問題。為了對數(shù)據(jù)進行壓縮，簡化后續(xù)的相關(guān)性分析

2、，需要對遙感數(shù)據(jù)進行稀疏表征。
　　用于稀疏表征的字典主要有解析和非解析兩大類。文章首先用解析字典中的小波基對不同波段、不同紋理的遙感數(shù)據(jù)進行稀疏表達，接著對小波系數(shù)的高頻部分進行統(tǒng)計分析，并作出了高頻系數(shù)概率密度分布曲線。從實驗結(jié)果中得出:遙感數(shù)據(jù)小波系數(shù)高頻部分滿足混合高斯模型，系數(shù)分布具有胖尾特性，非零元素過多，小波基不適合用于稀疏紋理復(fù)雜的遙感數(shù)據(jù)。
　　接著，文章借助非解析字典對遙感數(shù)據(jù)進行稀疏表征。遙感數(shù)據(jù)體量較

3、大，字典構(gòu)建算法首先要能適用于大數(shù)據(jù)情形;其次為了便于后續(xù)的相關(guān)性分析，在稀疏表征時還需保留原始數(shù)據(jù)相關(guān)性信息。現(xiàn)有的稀疏表征算法只能滿足兩者之一，不能同時滿足適用于大數(shù)據(jù)以及保留相關(guān)性信息的要求。借鑒超圖稀疏編碼和增量學(xué)習(xí)的思想，文章提出了動態(tài)超圖稀疏編碼。該算法將數(shù)據(jù)分成若干個樣本塊，每輸入一個樣本塊，構(gòu)造該樣本的相關(guān)度矩陣并選擇性地添加字典原子對新加入的樣本進行表征。隨著樣本的不斷輸入，逐步對字典原子進行修正更新。
　　當(dāng)原

4、始數(shù)據(jù)通過稀疏表征轉(zhuǎn)換到稀疏域下，空域下的相關(guān)系數(shù)計算公式不再適用。為了衡量原始數(shù)據(jù)集間的相關(guān)性，需要定義稀疏域下的相關(guān)系數(shù)計算公式。文章定義了一個投影矩陣，借鑒學(xué)習(xí)的思想，交替更新投影矩陣與稀疏系數(shù)。以空域中計算得到的相關(guān)系數(shù)為標準，指導(dǎo)整個學(xué)習(xí)的過程，最終使得兩樣本所對應(yīng)的稀疏系數(shù)之差在投影矩陣的投影下近似等于空域下計算的相關(guān)系數(shù)值。
　　最后，選取2000年全國范圍內(nèi)粒度為1km*1km的人口，GDP，耕地面積，建設(shè)用地面積