CEM的波段选择方法研究及应用

摘要：

高光谱数据信息量丰富,波段数量多,能够为地物分析提供更全面的依据,但同时也增加了数据分析的复杂性和干扰性,尤其是水质遥感监测等低信噪比的应用领域.传统波段选择常借助相关性系数等方法,在众多光谱波段中选择标识波段,并在所选波段集合上进行数据分析.基于约束能量最小化(CEM)从信号检测角度提出了一种面向目标向量的波段选择算法——基于CEM的波段选择算法(CBS),采用信号匹配滤波器从观测向量中找出与目标向量匹配度高的波段,结合正交原理,最大程度地选出与目标向量匹配度高且波段向量冗余度低的波段子集.以水质监测中的成分测定作为验证,采集辽河入海口试验区的高光谱数据,结合同步实地水样数据进行建模,预测辽河水域氮磷含量.比较CBS算法的波段选择结果和皮尔逊相关系数(PCC)波段选择结果,将两种方法得到的显著性波段子集作为变量进行逐步回归分析,建立多元回归模型,进一步对模型进行精度检验,分析其预测值与真实值的平均相对误差.总磷浓度模型的精度检验中,通过PCC算法选择波段得到的模型平均相对误差为20.7％,而通过CBS算法选择波段得到的模型平均相对误差为8.17％;总氮浓度模型的精度检验中,通过PCC算法选择波段得到的模型平均相对误差为16.8％,而通过CBS算法选择波段得到的模型平均相对误差为12.4％.数据分析的结果表明,CBS算法得到的波段子集,在氮磷浓度反演的能力上,优于传统基于相关系数的选择方法.

关键词：高光谱遥感、波段选择、水质监测

所属期刊栏目：40

分类号：X87(环境遥感)

资助基金：国家自然科学基金项目;国家重点研发专项

在线出版日期：2020-12-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：3778-3783