基于空間結(jié)構(gòu)信息和交叉驗(yàn)證聚類(lèi)的波段選擇.pdf

1、高光譜圖像數(shù)據(jù)的高維特征帶來(lái)了計(jì)算量大、耗費(fèi)存儲(chǔ)空間等問(wèn)題，可以利用高光譜圖像相鄰波段間的高度相關(guān)性進(jìn)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(jì)算量和存儲(chǔ)空間。目前已經(jīng)存在很多種波段選擇方法，但是在波段選擇領(lǐng)域有兩個(gè)難題很少被人研究。第一個(gè)問(wèn)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(shè)備噪聲污染的波段，這些低質(zhì)量波段會(huì)影響高光譜圖像的分類(lèi)精

2、確率，必須去除。目前高光譜圖像中的低質(zhì)量波段需要專(zhuān)業(yè)人員進(jìn)行人工去除，過(guò)程十分耗時(shí)。第二個(gè)問(wèn)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(shí)際應(yīng)用中這是必不可少的步驟，但至今未能得到解決。針對(duì)以上兩個(gè)問(wèn)題，本文提出了一種自動(dòng)噪聲波段去除方法,簡(jiǎn)稱(chēng)ABS，能很好的解決上述兩個(gè)問(wèn)題。該方法概括如下：
　　（1）盡管在每一個(gè)波段的高光譜圖像中，不同類(lèi)別的物體幅度變化不同，但是對(duì)于高質(zhì)量的波段，它們的空間結(jié)構(gòu)是相似的。對(duì)鑒別力很高的高

3、質(zhì)量波段，不同的地物類(lèi)別之間具有清晰的邊界，而鑒別力很低的低質(zhì)量波段則沒(méi)有這樣的特性。我們利用空間結(jié)構(gòu)信息確定每個(gè)波段的質(zhì)量，含有結(jié)構(gòu)信息少的低質(zhì)量波段被去除。具體就是獲取每個(gè)波段圖像的邊緣圖，然后對(duì)所有波段的邊緣圖求均值，得到參考空間結(jié)構(gòu)圖，最后求每個(gè)波段的邊緣圖與參考空間結(jié)構(gòu)圖的相關(guān)系數(shù)，對(duì)應(yīng)相關(guān)系數(shù)高的波段就是高質(zhì)量波段，反之就是低質(zhì)量波段。
　?。?）我們用交叉驗(yàn)證方法以分類(lèi)準(zhǔn)確率最大化為準(zhǔn)則對(duì)數(shù)據(jù)進(jìn)行分類(lèi)，過(guò)程中使用kN

4、N分類(lèi)器迭代地進(jìn)行交叉驗(yàn)證直到達(dá)到最高分類(lèi)精確率為止，在最終的分類(lèi)結(jié)果中，我們選取每一類(lèi)與該類(lèi)中其他波段總體相關(guān)性最高的波段作為代表用于分類(lèi)。該方法使用強(qiáng)大的分類(lèi)器找出數(shù)據(jù)內(nèi)在的、固有的分布，因此不需事先設(shè)定聚類(lèi)的數(shù)目，該算法能夠根據(jù)數(shù)據(jù)的內(nèi)在分布自動(dòng)確定聚類(lèi)的數(shù)目。
　　基于三組實(shí)際高光譜圖像數(shù)據(jù)的實(shí)驗(yàn)證明了本文方法的有效性。三組實(shí)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