一种基于主成分分析法的高光谱图像增强方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN106056543A(43)申请公布日2016.10.26(21)申请号201610339909.9(22)申请日2016.05.19(71)申请人北京环境特性研究所地址100854北京市海淀区永定路50号(72)发明人陶涛武敬力王广平(74)专利代理机构北京君恒知识产权代理事务所(普通合伙)11466代理人黄启行张璐(51)Int.Cl.G06T5/00(2006.01)权利要求书1页说明书4页附图1页(54)发明名称一种基于主成分分析法的高光谱图像增强方法(57)摘要本发明公开了一种基于主成分分析法的高光谱图像增强方法，利用一个正交的变换T，将原本有一定相关关系的原始数据转化成彼此之间正交的新的向量，从代数学角度上说，表现为用对角矩阵替代了原始变量X的协方差矩阵，在几何上角度上说，是用新的正交坐标系替代了原坐标系，使之沿着样本点散布在最远的p个互不相关的方向，然后用降维的方法对多维变量系统进行变换，使得在大量降维以后，还能保留原始数据的许多信息。将原始数据转换为特征空间的投影，形成新的空间向量，在新的空间向量的基础之上优化图像，从而有效的达到图像增强的目的。CN106056543ACN106056543A权利要求书1/1页1.一种基于主成分分析法的高光谱图像增强方法，其特征在于，通过主成分分析法将高光谱数据进行变换，用一个正交的变换T，将原始数据转化成彼此之间正交的新的向量，然后用降维的方法对多维变量系统进行变换，在降维后优化图像。2.如权利要求1所述的高光谱图像增强方法，其特征在于，步骤如下：(1)将原始数据标准化，抽取n个样品，对样本矩阵进行构造，得到标准化样本矩阵Z；(2)通过标准化矩阵Z，求取相关系数矩阵R；(3)根据相关系数矩阵R的特征方程，得到p个特征根，对每个特征根λj计算特征向量(4)把标准化后的数据变量变为主成分Uj，并对Uj进行定义；(5)综合评价m个主成分，加权求和m个主成分，得到主成分的累计贡献率；(6)把U1，U2，…，Up分别按照原始数据的像素分布重新排列，得到P幅图像，并命名为M1，M2，…，Mp。3.如权利要求2所述的高光谱图像增强方法，其特征在于，步骤(1)中将原始数据标准化的表达式为：Tx＝(x1,x2,...,xp)T抽取n个样品xi＝(xi1,xi2,...,xip)，i＝1，2，…，n，其中n＞p，对样本矩阵进行构造，得到标准化样本矩阵阵元：其中i＝1,2,...,n；j＝1,2,...,p；xij表示高光谱图像某个像素某个波段的灰度；4.如权利要求2所述的高光谱图像增强方法，其特征在于，步骤(2)所述求取相关系数矩阵R的表达式为：5.如权利要求2所述的高光谱图像增强方法，其特征在于，步骤(3)相关系数矩阵R的特征方程为：|R-λIp|＝0其中：Ip为p的单位矩阵，对每个特征根λj通过方程Rb＝λjb计算出特征向量6.如权利要求2所述的高光谱图像增强方法，其特征在于，步骤(4)中把标准化后的数据变量变为主成分的表达式为：Uj为第j主成分，代表贡献率排名为j的新变量。2CN106056543A说明书1/4页一种基于主成分分析法的高光谱图像增强方法技术领域[0001]本发明属于高光谱图像处理与应用技术领域，尤其涉及一种基于主成分分析法的高光谱图像增强方法。背景技术[0002]高光谱图像技术结合了目标空间特征和目标的光谱信息。获取到的图像立方体包含丰富的空间和光谱信息，从而使人类的观测和信息获取能力向前迈进了一大步。但是，高光谱图像技术还存在很多问题亟需解决，例如高光谱数据通道多，每一光谱通道的能量相对较弱，在很多时候，单一通道的信噪比不高，即使是选取最具特征的光谱波段，目标与背景间的区分也不明显，不易于目标的识别和区分。将各光谱通道的图像进行累加，是将目标、背景、噪声同时做了累加，图像的空间分辨能力并没有提高，依旧不能将目标和背景很好的区分开来。利用传统的图像增强方式，如滤波算法，中值算法等，往往不能得到理想的效果，反而使丰富的光谱信息被滤除掉。发明内容[0003]针对上述现有技术存在的缺陷，本发明提供一种基于主成分分析法的高光谱图像增强方法，将原始数据转换为特征空间的投影，形成新的空间向量，在新的空间向量的基础之上优化图像，从而有效的达到图像增强的目的。[0004]本发明提供的一种基于主成分分析法的高光谱图像增强方法，其改进之处在于，通过主成分分析法将高光谱数据进行变换，用一个正交的变换T，将原始数据转化成彼此之间正交的新的向量，然后用降维的方法对多维变量系统进行变换，在降维后优化图像。[0005]优选的，上述步骤如下：[0006](1)将原始数据标准化，抽取n个样品，对样本矩阵进行构造，得到标准化样本矩阵