采用分段行-列核2DPCA的高光谱图像降维

Dimensionality Reduction for Hyperspectral Image Using a Segmented Row-column Kernel Two-dimensional Principal Component Analysis Method

摘要: 二维主成分方法计算时间少,降维效果好,被成功应用到高光谱图像降维中.基于二维主成分方法,为挖掘高光谱图像的非线性信息,实现了分段行-列核2DPCA方法的降维,并对比分析了行-列2DPCA方法、分段行-列2DPCA方法和行-列核2DPCA方法的降维效果.利用相关性将高光谱图像划分为5个子空间,通过转换数据结构来实现行和列的核2DPCA变换,最后将行和列结果进行融合得到降维结果.降维结果表明,在较高信息保持率情况下,分段行-列核2DPCA方法具有最高的图像清晰度和边缘强度.不同地物像元像素折线图表明,分段行-列核2DPCA方法能更好地区分不同地物,可以很好地应用于地物分类和目标识别.