遙感數(shù)字圖像的主成分分析

1、1實(shí)習(xí)實(shí)習(xí)8遙感數(shù)字遙感數(shù)字圖像的主成分分析像的主成分分析主成分分析（PCA）是用于多波段數(shù)據(jù)的一個(gè)線性變換，變換數(shù)據(jù)到一個(gè)新的坐標(biāo)系統(tǒng)，以使數(shù)據(jù)的差異達(dá)到最大。這一技術(shù)對于增強(qiáng)信息含量、隔離噪聲、減少數(shù)據(jù)維數(shù)非常有用。ENVI能完成正向的和逆向的PC旋轉(zhuǎn)。一、一、實(shí)驗(yàn)實(shí)驗(yàn)?zāi)康哪康?、了解遙感數(shù)字圖像主成分分析的原理和方法（參見梅安新教材P123127）；2、掌握在ENVI或Idrisi中進(jìn)行主成分分析的過程和方法（或流程和操作）；3、

2、深刻理解主成分分析（KL變換）產(chǎn)生的處理效果、處理意義與實(shí)用價(jià)值。二、二、實(shí)驗(yàn)實(shí)驗(yàn)原理原理KL變換是離散KarhunenLoeve變換（卡洛南洛伊變換）的簡稱，又常被稱作主成分變換。它是對某一多光譜圖像X，利用KL變換矩陣A進(jìn)行線性組合，而產(chǎn)生一組新的多光譜圖像Y的操作。表達(dá)式為：Y=AX，式中X為變換前的多光譜空間的像元矢量；Y為變換后的主分量空間的像元矢量；矩陣A是X空間協(xié)間協(xié)方差矩方差矩陣∑x的特征向量矩的特征向量矩陣的轉(zhuǎn)置矩置矩

3、陣。變換前各波段之間有很強(qiáng)的相關(guān)性，變換后輸出圖像Y的各分量yi之間將具有最小的相關(guān)性，新波段主分量包括的信息量不同，呈遞減趨勢，第一主分量集中了最大的信息量，第二、第三主分量的信息量依次快速遞減，最后的分量幾乎全是噪聲。三、正向主成分分析的三、正向主成分分析的實(shí)驗(yàn)實(shí)驗(yàn)操作步操作步驟正向主成分分析正向主成分分析計(jì)算統(tǒng)計(jì)值統(tǒng)計(jì)值分析分析的選擇選擇：使用TransfmPrincipalComponentsFwardPCRotation(正向

4、的正向的PC旋轉(zhuǎn))ComputeNewStatisticsRotate(計(jì)算新的統(tǒng)計(jì)值和旋轉(zhuǎn))可一次完成可一次完成轉(zhuǎn)換轉(zhuǎn)換特征特征值、協(xié)方差、矩方差、矩陣等的等的計(jì)算，并自算，并自動完成完成主成分的主成分的變換變換，得到特征值曲線圖，以及各主成分的圖像。正向的PC旋轉(zhuǎn)用一個(gè)線性變換使數(shù)據(jù)差異達(dá)到最大。當(dāng)你運(yùn)用正向的PC旋轉(zhuǎn)時(shí)，ENVI允許你計(jì)算新的統(tǒng)計(jì)值，或?qū)⒁呀?jīng)存在的統(tǒng)計(jì)項(xiàng)進(jìn)行旋轉(zhuǎn)。輸出值可以存為字節(jié)型、浮點(diǎn)型、整型、長整型或雙精度型

5、。你也可以基于特征值抽取PC旋轉(zhuǎn)輸出的部分內(nèi)容，生成只有你需要的PC波段的輸出。一旦旋轉(zhuǎn)完成，將會出現(xiàn)PC特征值圖。顯示出每一個(gè)輸出的PC波段的差異量。PC波段將顯示在AvailableBsList中。這一選項(xiàng)用于計(jì)算數(shù)據(jù)特征值、協(xié)方差或相關(guān)系數(shù)以及PC正向的旋轉(zhuǎn)。1選擇Transfms→PrincipalComponents→FwardPCRotation→ComputeNewStatisticsRotate。2出現(xiàn)Principal

6、ComponentsInputFile對話框時(shí)，選擇輸入文件。3出現(xiàn)FwardPC（Rotation）Parameters對話框時(shí)，在“StatsXYResizeFact”文本框中鍵入小于1的調(diào)整系數(shù)，對計(jì)算統(tǒng)計(jì)值的數(shù)據(jù)進(jìn)行二次抽樣。鍵入一個(gè)小于1的調(diào)整系數(shù)，以提高統(tǒng)計(jì)計(jì)算的速度。例如，在統(tǒng)計(jì)計(jì)算時(shí)，用一個(gè)0.1的調(diào)整系數(shù)將只用到十分之一的像元。（默（默認(rèn)值為認(rèn)值為1，表示用全部像元做，表示用全部像元做計(jì)算）算）4若需要，鍵入一個(gè)輸出統(tǒng)

7、計(jì)文件名。5點(diǎn)擊按鈕，選擇是否計(jì)算“CovarianceMatrix”（點(diǎn)上下箭（點(diǎn)上下箭頭圖標(biāo)頭圖標(biāo)，還可選相關(guān)矩相關(guān)矩陣）。計(jì)算主成分時(shí)，一般選擇使用協(xié)方差矩陣。當(dāng)波段之間數(shù)據(jù)范圍差異較大時(shí)，選擇相關(guān)系數(shù)矩陣，并且需要標(biāo)準(zhǔn)化。6選用“File”或“Memy”輸出。若選擇輸出到“File”，在標(biāo)有“EnterOutputFilename”的文本框里鍵入要輸出的文件名；或用“Choose”按鈕選擇一個(gè)輸出文件名。3你可以從Availab