高光谱影像中组分选择策略的评估

摘要： 高光谱影像（HSI）整合了覆盖电磁波谱不同区域的众多连续窄波段。然而主要挑战在于"休斯现象"导致的高光谱数据高维特性，因此在应用分类算法获取精确专题图前必须进行降维处理。本研究聚焦以下特征提取算法：主成分分析（PCA）、最小噪声分离（MNF）和独立成分分析（ICA）。通过文献调研发现，现有研究既缺乏这些技术的对比分析，也缺少确定最优成分数的精准策略。因此首要目标是：比较紧凑型机载光谱成像仪（CASI）传感器高光谱数据中传统降维技术（PCA、MNF和ICA）的效果，并评估变换空间内选择最适成分数的不同策略；次要目标是：通过按电磁波谱覆盖范围划分CASI高光谱数据区域来建立新降维方法，将各光谱区域变换空间所选成分进行堆叠，通过评估该堆叠变换空间验证所提方法能否提升最终分类精度。