论文部分内容阅读
高光谱图像数据量大,因此在目标探测和精细分类前往往要对数据进行降维处理,而在降维过程中需要最大限度地保留信号和压缩噪声,通过高光谱图像的噪声评估可为后续图像处理提供参考,同时也为目标探测和精细分类结果的可信性评价提供支持。高光谱图像波段较多,相邻波段彼此之间存在着很强的相关性,所观测的数据在一定程度上存在冗余,因此需要先对数据降维。利用低维数据来有效地表达高维数据的信息,使其更加有利于数据的可视化和对数据的理解、解译,并提高运算效率减少误差。论文在总结了高光谱图像发展与研究现状的基础上,对高光谱数据的噪声评估和降维方法进行了系统的研究。完成的工作和取得的成果如下:1.论述并实现了多种遥感图像处理过程中常用的噪声评估方法,诸如均匀区域法、地学统计法,空间/光谱维去相关法(SSDC)。同时尝试改进了SSDC算法,并比对了各种评估方法的适用范围和优缺点。SSDC方法更适合于高光谱数据的噪声评估。2.论述并实现了多种高光谱图像数据降维常用方法,包括独立成分分析、主成分分析、最大噪声分数(MNF)、实现了基于SSDC噪声评估的MNF方法。最后对多种降维方法进行了系统地分析与评价,得出不同降维方法的优缺点和适用范围。3.使用逆MNF变换对高光谱数据进行了去噪处理,并得到理想的结果。