龔文娟

摘 要 為了使波段選擇能夠較好地保留高光譜圖像的信息，提出了一種高光譜影像波段選擇的新方法。實(shí)驗結(jié)果表明，算法在去除高光譜影像冗余信息的同時，有效地減少了計算量，通過與全波段的實(shí)驗數(shù)值對比，驗證了所提方法的可行性與有效性。

關(guān)鍵詞 高光譜影像 波段選擇 聯(lián)合偏度與峰度 矩陣因子

中圖分類號：TP391.41 文獻(xiàn)標(biāo)識碼：A

近年來，高光譜遙感圖像越來越廣泛地被應(yīng)用到農(nóng)業(yè)、環(huán)境監(jiān)測等方面。高光譜圖像的光譜分辨率較高，具有較高的維數(shù)和較大的數(shù)據(jù)量，這給高光譜圖像數(shù)據(jù)的分析和處理帶來了較大的困難。因此，針對高光譜影像的特點(diǎn)，波段選擇已成為高光譜數(shù)據(jù)預(yù)處理的一項重要技術(shù)。波段選擇不但能在去除冗余信息的同時，降低數(shù)據(jù)的維數(shù)，而且還能減少計算量，從而可以大大提高計算的效率和準(zhǔn)確率。

1波段選擇方法

隨著成像光譜儀的發(fā)展日益成熟，高光譜遙感圖像的研究已經(jīng)進(jìn)入到了一個新的階段——對獲取的高光譜數(shù)據(jù)進(jìn)行有效處理和利用的階段。高光譜圖像相鄰的波段之間一般具有較大的相關(guān)性，而且并不是所有的波段對于后續(xù)處理都有著同等的重要性，需要在不損失重要信息的條件下，通過選擇可以代表其他波段信息的最優(yōu)波段來組成新的高光譜圖像空間。

對高光譜影像進(jìn)行波段選擇，要考慮以下幾個方面：

（1）從信息論方面來說，要選擇出信息量最大的波段或波段子集。

（2）從光譜學(xué)方面來說，要選擇出預(yù)識別地物目標(biāo)的光譜特征差異性最大的波段子集。

（3）從分類方面來說，要選擇出使地物類別間可分性最好的波段。

（4）從數(shù)理統(tǒng)計方面來說，選擇出的波段之間的相關(guān)性要最弱，從而可以保證各個波段之間的獨(dú)立性和有效性。

鑒于此，本文提出了一種高光譜影像波段選擇的新方法，該方法首先利用聯(lián)合偏度與峰度將所有波段依據(jù)一定的閾值劃分為兩組，然后在每組中分別用基于矩陣模式的高光譜波段選擇方法得到單一量化指標(biāo)W，選出每組中量化指標(biāo)W取一定的值所對應(yīng)的波段，而該波段集就是所求出的最小波段集。

2算法實(shí)現(xiàn)

文中所提出算法的具體步驟如下：

（1）用聯(lián)合偏度與峰度計算高光譜所有波段的圖像數(shù)據(jù)，得到各個波段的聯(lián)合偏度與峰度值；

（2）按照聯(lián)合偏度與峰度值的正負(fù)將所有波段進(jìn)行劃分，分成兩組；

（3）在分成的兩組中分別用基于矩陣模式的高光譜波段選擇方法得到單一量化指標(biāo)W；

（4）選出每組中量化指標(biāo)W取大于一定閾值所對應(yīng)的波段，而該波段集就是所求出的最小波段集。

3實(shí)驗結(jié)果與分析

實(shí)驗所用的數(shù)據(jù)為美國印第安納州的Indianpines高光譜數(shù)據(jù)，該數(shù)據(jù)有220個波段，波長范圍為，10nm的光譜分辨率，17m的空間分辨率；實(shí)驗所用的圖像大小為，去除20個水吸收波段，用剩余的200個波段進(jìn)行波段選擇，選擇出一定數(shù)量的波段，然后采用K近鄰（KNN）分類算法進(jìn)行分類實(shí)驗，分別在全波段下和利用本文方法選出的波段下計算分類精度。

從上表可以看出，利用本文方法最終所得的分類精度較接近全波段下所得的分類精度，從而驗證了本文方法的有效性。

4結(jié)論

本文根據(jù)波段選擇所需考慮的幾方面因素，充分利用聯(lián)合偏度與峰度、基于矩陣模式的高光譜波段選擇方法兩者的優(yōu)點(diǎn)，并將二者有效的結(jié)合起來，提出了高光譜影像波段選擇的新方法。利用真實(shí)高光譜數(shù)據(jù)進(jìn)行仿真實(shí)驗，通過與全波段下的實(shí)驗數(shù)值進(jìn)行對比，得到本文方法的可行性和有效性。結(jié)果表明本文提出的波段選擇方法對后續(xù)研究地物識別工作具有重要的意義。

參考文獻(xiàn)

[1] 任曉東，雷武虎，谷雨，等.一種改進(jìn)的高光譜圖像波段選擇方法[J].計算機(jī)科學(xué)，2015，42（11）：162-168.

[2] 郭雷，常威威，付朝陽.高光譜圖像融合最佳波段選擇方法[J].宇航學(xué)報，2011，32（2）：374-379.

[3] 王立國，魏芳潔.結(jié)合遺傳算法和蟻群算法的高光譜圖像波段選擇[J].中國圖象圖形學(xué)報，2013，18（2）：235-242.

[4] 程藝喆，雷武虎，戴勝波.基于色彩空間變換的目標(biāo)檢測算法研究[J].安徽師范大學(xué)學(xué)報（自然科學(xué)版），2014，37（2）：149-154.

[5] 李士進(jìn)，常純，余宇峰，等.基于多分類器組合的高光譜圖像波段選擇方法[J].智能系統(tǒng)學(xué)報，2014，9（3）：372-378.