[发明专利]一种高光谱遥感数据的降维方法及系统

说明书

本发明涉及一种高光谱遥感数据的降维方法及系统，根据相邻波段的高光谱遥感数据间的相关系数获取高光谱遥感数据的数据子集以及所述数据子集对应的相关系数曲线；对所述数据子集的相关系数曲线主成分变换后对所述高光谱遥感数据进行降维处理。本发明可以很大程度上降低高光谱数据的冗余度，获得精度较高的分类结果。

技术领域

本发明涉及数据降维技术领域，具体涉及一种高光谱遥感数据的降维方法及系统。

背景技术

高光谱遥感数据通常包含几十到几百个波段，能以较高的可信度识别地物目标。高光谱遥感采集得到的图像其中包含了丰富的空间、辐射和光谱信息，为地物的精确分类带来了机遇。但是同时高光谱遥感图像光谱分辨率的提高是基于增加数据量和数据维数作来实现的，这一点也为高光谱遥感图像进行地物分类和目标识别等应用带来了很大的难题。高光谱数据的“维数灾难”能够使分类识别不能正常进行，阻碍了高光谱遥感技术的应用推广。同时，繁多的数据量和高维度也给高光谱图像处理带来了巨大的计算压力。一般情况下，在遥感分类中，样本数目越多，分类精度就会越高；于是增加样本数目成为提高分类精度的一个可能。但是在高光谱遥感中，由于样本数据点获取的难度比较大而且代价昂贵，高光谱遥感影像分类精度一直受限于样本数目。另一方面，研究也发现，在不同维数的情况下，并不是样本数目越多，分类精度就越高。

地物分类是当前高光谱数据遥感图像处理领域研究的热点。高光谱数据的光谱分辨率可达到纳米数量级，光谱图像光谱范围窄、谱间相关性强，信息冗余较大，由此给传输、存储和处理带来了很多新问题。如高维数据与计算复杂度之间的矛盾、高维特征，与小样本之间的矛盾等。当利用高光谱遥感图像对地物分类时，若利用全部波段进行分类，计算量太大，分类算法的复杂度会随着光谱维数的增加而增加。

发明内容

为解决上述现有技术中在高光谱遥感中，由于样本数据点获取的难度比较大而且代价昂贵，高光谱遥感影像分类精度一直受限于样本数目的问题，本发明的目的是提供一种高光谱遥感数据的降维方法及系统，利用一种基于主成分分析的高光谱遥感数据降维方法可以很大程度上降低高光谱数据的冗余度，获得精度较高的分类结果。

本发明的目的是采用下述技术方案实现的：

本发明提供一种高光谱遥感数据的降维方法，其改进之处在于：

根据相邻波段的高光谱遥感数据间的相关系数获取高光谱遥感数据的数据子集以及所述数据子集对应的相关系数曲线；

对所述数据子集的相关系数曲线主成分变换后对所述高光谱遥感数据进行降维处理。

进一步地：所述高光谱遥感数据通过星载高光谱传感器拍摄以及航空飞机/无人机所搭载的高光谱仪获取。

进一步地：所述根据相邻波段的高光谱遥感数据间的相关系数获取高光谱遥感数据的数据子集以及所述数据子集对应的相关系数曲线，包括：

计算相邻波段的高光谱遥感数据间的相关系数；

根据所述相邻波段的高光谱遥感数据间的相关系数构造相邻波段的高光谱遥感数据间的相关系数的相关矢量；

根据相关矢量获得高光谱遥感数据的数据子集以及所述数据子集对应的相关系数曲线。

进一步地：所述计算相邻波段的高光谱遥感数据间的相关系数的公式为：

式中，R_ij为波段i和波段j间的相关系数，x_ip和x_jp分别为波段i和波段j内的第p个像元的辐射亮度值；和分别为波段i和波段j的辐射亮度均值，n表示像元总数，其中，i＝j+1。

进一步地：所述根据所述相邻波段的高光谱遥感数据的相关系数构造相邻波段的高光谱遥感数据的相关系数相关矢量的表达式为：