组合因子最优的线性预测波段选择

摘要：

目的 高光谱图像分辨率高,数据量大,信息的冗余程度高,给数据处理带来了很大的困难.为了高效地实现数据降维,使降维后的数据冗余度小且信息量大,提出一种基于组合因子最优的波段选择方法.方法 首先对高光谱数据进行波段子空间划分,在各子空间中通过线性预测误差来计算误差最小和次小的两个波段,结合它们的标准差,计算出它们的组合因子,通过比较组合因子来决定所要去除的波段.结果 该方法的计算效率高,相同条件下计算时间比最快的方法有轻微的减少.使用支持向量机(SVM)对波段子集分类,并将该方法与其他方法进行分类准确率比较,相同条件下比其他方法的最高准确率有1.5％的提升.结论 组合因子的方法综合考虑了波段子集的最小冗余度和最大信息量,得到了较好的波段子集,并且有较小的计算复杂度,适用于AVIRIS(airborne visible infrared imaging spectrometer)等各种高光谱图像数据.

关键词：高光谱、波段选择、线性预测误差、信息量、子空间划分

所属期刊栏目：21

分类号：TP751.1(遥感技术)

资助基金：国家自然科学基金项目61175033,61075032;光电控制技术重点实验室和航空科学基金项目201451P4007,201301P4007;安徽省自然科学基金项目1508085SMF222 National Natural Science Foundation of China61175033,61075032

在线出版日期：2016-03-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：255-262