【摘要】：通過非線性函數(shù)變換改進(jìn)后的譜間Pearson相關(guān)分析可同時(shí)獲取高光譜影像光譜間的綜合相關(guān)系數(shù)(r_(cl))、相關(guān)類型和統(tǒng)計(jì)顯著性水平;研究發(fā)現(xiàn),非線性是高光譜影像的譜間相關(guān)性的主要類型�；谙嚓P(guān)系數(shù)的波段相鄰相關(guān)系數(shù)(r_(ac))在自適應(yīng)波段選擇算法(ABS)中是為了表達(dá)波段的獨(dú)立性,然而發(fā)現(xiàn)ABS算法中rac并不能有效表達(dá)波段獨(dú)立性。鑒于此,提出了一種信息相鄰相關(guān)系數(shù)(r_(iac))和基于此指數(shù)改進(jìn)的自適應(yīng)波段選擇算法(MABS)。使用公共數(shù)據(jù)和實(shí)驗(yàn)室采集數(shù)據(jù),對(duì)ABS、基于線性相關(guān)系數(shù)(r_l)的MABS(r_l)和基于r_(cl)的MABS(r_(cl))等三種算法進(jìn)行實(shí)驗(yàn)。結(jié)果表明:在波譜范圍和算法有效性及精度方面,MABS均優(yōu)于ABS;MABS較好地兼顧了大信息量和強(qiáng)獨(dú)立性原則,其波段選擇結(jié)果的光譜范圍明顯大于ABS;MABS(r_(cl))的光譜范圍略大于MABS(r_l);三種算法的總體分類精度(OA)和Kappa系數(shù)的大小順序均為:MABS(r_(cl))MABS(r_l)ABS。
[Abstract]:The comprehensive correlation coefficient (r _ (cl), correlation type and statistical significance level) between spectra of hyperspectral images can be obtained simultaneously by the improved Pearson correlation analysis of nonlinear function transformation. Nonlinearity is the main type of spectral correlation of hyperspectral images. The wavelength adjacent correlation coefficient (r _ (ac) based on the correlation coefficient is used to express the band independence in the adaptive band selection algorithm. However, it is found that the rac can not express the band independence effectively. In view of this, an information adjacent correlation coefficient (r _ (iac) and an improved adaptive band selection algorithm (Mabs) based on this index are proposed. By using common data and laboratory data, three algorithms, Abs, MABS based on linear correlation coefficient (rashl) and MABS (r _ (cl) based on r _ (cl), are tested. The results show that MABS is better than ABSMABS in spectrum range, validity and accuracy of algorithm, and the principle of large amount of information and strong independence is well taken into account. The spectral range of band selection is obviously larger than that of (cl) (r _ (cl), and the order of total classification accuracy (OA) and Kappa coefficient of the three algorithms is in the order of: MABS (r _ (cl) MABS (rl) ABSs).
【作者單位】： 首都師范大學(xué)三維信息獲取與應(yīng)用教育部重點(diǎn)實(shí)驗(yàn)室;首都師范大學(xué)空間信息技術(shù)教育部工程研究中心;
【基金】：國(guó)家自然科學(xué)基金(41571369) 教育部博士點(diǎn)基金(20131108110005) 北京市長(zhǎng)城學(xué)者(20150323)
【分類號(hào)】：TP751

【參考文獻(xiàn)】

相關(guān)期刊論文 前7條

1 趙慧潔;李明康;李娜;丁昊;蔡輝;;一種基于改進(jìn)子空間劃分的波段選擇方法[J];紅外與激光工程;2015年10期

2 秦方普;張愛武;王書民;孟憲剛;胡少興;孫衛(wèi)東;;基于譜聚類與類間可分性因子的高光譜波段選擇[J];光譜學(xué)與光譜分析;2015年05期

3 王藝婷;黃世奇;劉代志;王百合;;一種新的基于目標(biāo)檢測(cè)的波段選擇方法[J];紅外與激光工程;2013年08期

4 范雪莉;馮海泓;原猛;;基于互信息的主成分分析特征選擇算法[J];控制與決策;2013年06期

5 趙春暉;陳萬海;楊雷;;高光譜遙感圖像最優(yōu)波段選擇方法的研究進(jìn)展與分析[J];黑龍江大學(xué)自然科學(xué)學(xué)報(bào);2007年05期

6 劉春紅,趙春暉,張凌雁;一種新的高光譜遙感圖像降維方法[J];中國(guó)圖象圖形學(xué)報(bào);2005年02期

7 范修斌,李世取,王文喜;互信息與相關(guān)性之間的關(guān)系[J];信息工程學(xué)院學(xué)報(bào);1999年02期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張愛武;杜楠;康孝巖;郭超凡;;非線性變換和信息相鄰相關(guān)的高光譜自適應(yīng)波段選擇[J];紅外與激光工程;2017年05期

2 樊雪;劉清旺;譚炳香;;基于機(jī)載PHI高光譜數(shù)據(jù)的森林優(yōu)勢(shì)樹種分類研究[J];國(guó)土資源遙感;2017年02期

3 王培珍;殷子wF;王高;張代林;;一種基于PCA與RBF-SVM的煤巖顯微組分鏡質(zhì)組分類方法[J];煤炭學(xué)報(bào);2017年04期

4 章釗穎;魯奕岑;祝善友;;標(biāo)準(zhǔn)化變換對(duì)高光譜影像波段選擇影響[J];遙感信息;2017年02期

5 侯緩緩;;高光譜遙感數(shù)據(jù)PPI端元提取方法的研究與實(shí)現(xiàn)[J];世界有色金屬;2017年04期

6 王旭輝;周巖;周苑;;非抽樣雙樹復(fù)小波域的紅外可見光圖像融合[J];計(jì)算機(jī)工程與設(shè)計(jì);2017年03期

7 馬長(zhǎng)林;楊正良;謝羅迪;;文本分類中CTM模型的優(yōu)化和可視化應(yīng)用研究[J];計(jì)算機(jī)工程與科學(xué);2017年03期

8 王文靜;張霞;趙銀娣;王樹東;;綜合多特征的Landsat 8時(shí)序遙感圖像棉花分類方法[J];遙感學(xué)報(bào);2017年01期

9 南一冰;高昆;倪國(guó)強(qiáng);;基于波段選擇估計(jì)PSF的高光譜圖像運(yùn)動(dòng)模糊盲校正方法[J];紅外與毫米波學(xué)報(bào);2016年06期

10 湯鑫;;基于PCA的SVM算法在網(wǎng)絡(luò)欺詐行為中的研究與應(yīng)用[J];電腦知識(shí)與技術(shù);2016年35期

【二級(jí)參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王藝婷;黃世奇;劉代志;王百合;;一種新的基于目標(biāo)檢測(cè)的波段選擇方法[J];紅外與激光工程;2013年08期

2 范雪莉;馮海泓;原猛;;基于互信息的主成分分析特征選擇算法[J];控制與決策;2013年06期

3 王立國(guó);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(guó)圖象圖形學(xué)報(bào);2013年02期

4 趙鳳;劉漢強(qiáng);范九倫;潘曉英;;應(yīng)用于遙感圖像分割的原型提取譜聚類集成算法[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2012年12期

5 周林;平西建;徐森;張濤;;基于譜聚類的聚類集成算法[J];自動(dòng)化學(xué)報(bào);2012年08期

6 余曉敏;湛飛并;廖明生;胡金星;;利用改進(jìn)SEaTH算法的面向?qū)ο蠓诸愄卣鬟x擇方法[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2012年08期

7 王靜荔;;波段最大篩選法及其在高光譜目標(biāo)探測(cè)中的應(yīng)用[J];紅外與激光工程;2012年06期

8 史振威;吳俊;楊碩;姜志國(guó);;RX及其變種在高光譜圖像中的異常檢測(cè)[J];紅外與激光工程;2012年03期

9 何元磊;劉代志;王靜荔;易世華;;利用獨(dú)立成分分析的高光譜圖像波段選擇方法[J];紅外與激光工程;2012年03期

10 蘇紅軍;盛業(yè)華;;基于正交投影散度的高光譜遙感波段選擇算法[J];光譜學(xué)與光譜分析;2011年05期

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 馮永康;余華;;多光譜數(shù)據(jù)波段選擇方法試驗(yàn)研究——以湖北神農(nóng)架林區(qū)為例[J];遙感信息;2009年05期

2 葛亮;王斌;張立明;;基于偏最小二乘法的高光譜圖像波段選擇[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2011年11期

3 王立國(guó),谷延鋒,張曄;基于支持向量機(jī)和子空間劃分的波段選擇方法[J];系統(tǒng)工程與電子技術(shù);2005年06期

4 李行;毛定山;張連蓬;;高光譜遙感影像波段選擇算法評(píng)價(jià)方法研究[J];地理與地理信息科學(xué);2006年06期

5 楊諸勝;郭雷;羅欣;胡新韜;;一種基于主成分分析的高光譜圖像波段選擇算法[J];微電子學(xué)與計(jì)算機(jī);2006年12期

6 于紹慧;張玉鈞;趙南京;肖雪;王歡博;;基于矩陣模式的高光譜波段選擇方法[J];光電工程;2012年06期

7 張海濤;王鶴橋;孟祥羽;武文波;;基于類對(duì)可分和灰色決策的高光譜波段選擇方法[J];計(jì)算機(jī)科學(xué);2014年06期

8 周楊;厲小潤(rùn);趙遼英;;改進(jìn)的高光譜圖像線性預(yù)測(cè)波段選擇算法[J];光學(xué)學(xué)報(bào);2013年08期

9 溫健婷;張霞;張兵;趙冬;;土壤鉛含量高光譜遙感反演中波段選擇方法研究[J];地球科學(xué)進(jìn)展;2010年06期

10 葛亮;王斌;張立明;;基于波段聚類的高光譜圖像波段選擇[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2012年11期

相關(guān)會(huì)議論文 前4條

1 王藝婷;黃世奇;劉代志;陳聰;;基于統(tǒng)計(jì)排序的高光譜波段選擇方法[A];國(guó)家安全地球物理叢書（八）——遙感地球物理與國(guó)家安全[C];2012年

2 王藝婷;黃世奇;劉代志;;高光譜遙感圖像波段選擇現(xiàn)狀研究[A];國(guó)家安全地球物理叢書（七）——地球物理與核探測(cè)[C];2011年

3 張霞;溫健婷;黃長(zhǎng)平;李慶亭;;土壤鉛含量高光譜遙感反演中波段選擇方法研究[A];第八屆成像光譜技術(shù)與應(yīng)用研討會(huì)暨交叉學(xué)科論壇文集[C];2010年

4 林君琴;劉允良;吳至善;;巖石波譜多光譜遙感波段選擇研究[A];1994年中國(guó)地球物理學(xué)會(huì)第十屆學(xué)術(shù)年會(huì)論文集[C];1994年

相關(guān)重要報(bào)紙文章 前2條

1 陜西 瞿貴榮 張鳳娥;SS-40汽車音響波段控制電路及檢修[N];電子報(bào);2010年

2 陜西 瞿貴榮 張鳳娥;德生R-9700收音機(jī)電子波段轉(zhuǎn)換電路及檢修[N];電子報(bào);2008年

相關(guān)博士學(xué)位論文 前2條

1 董玉翠;特定背景下點(diǎn)目標(biāo)探測(cè)最優(yōu)波段選擇方法的研究[D];中國(guó)科學(xué)院研究生院(上海技術(shù)物理研究所);2015年

2 夏威;高光譜遙感圖像的解混和波段選擇方法研究[D];復(fù)旦大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 夏冰;高光譜影像非監(jiān)督波段選擇技術(shù)研究[D];蘇州大學(xué);2015年

2 鐔永強(qiáng);基于多目標(biāo)優(yōu)化的高光譜圖像無監(jiān)督波段選擇[D];西安電子科技大學(xué);2014年

3 張路;基于多模式觀測(cè)的高光譜波段選擇及其應(yīng)用探究[D];西安科技大學(xué);2015年

4 孫肖;基于空間統(tǒng)計(jì)學(xué)的高光譜降維后波段選擇方法研究[D];中國(guó)地質(zhì)大學(xué)(北京);2016年

5 韓超;基于稀疏表示和低秩表示的高光譜圖像波段選擇方法研究[D];西安電子科技大學(xué);2015年

6 姚利;基于標(biāo)記樣本擴(kuò)展的高光譜波段選擇技術(shù)[D];西安電子科技大學(xué);2015年

7 張紹杰;基于互信息量的超光譜數(shù)據(jù)波段選擇降維算法研究[D];華中科技大學(xué);2015年

8 劉斌;基于高光譜最優(yōu)波段選擇的地物分類方法研究[D];中國(guó)石油大學(xué)(華東);2015年

9 張倩;改進(jìn)的自適應(yīng)波段選擇算法研究及應(yīng)用[D];大連海事大學(xué);2012年

10 周楊;高光譜遙感圖像波段選擇算法研究[D];浙江大學(xué);2014年

，

本文編號(hào)：2123463