结合纯像元提取和ICA的高光谱降维方法_刘良春.pdfVIP

第28卷第 3期 计 算 机 应 用 研 究 Vo.l28 No.3 2011年 3月　 ApplicationResearchofCompters Ma.r20 11 ICA＊ , 　 (西北工业大学 电子信息学院, 西安 7 10072 ) 　:为了实现 光谱降维并保留重要的光谱特征,通过独立分量分析 (independentcomponentanalysi,sICA) 混合模型和 光谱线性模型的对比分析, 提出了结合纯像元提取和 ICA的 光谱数据降维方法。该方法通过估 计虚拟维数 (virtaldmiensionalit,yVD)确定特征 个数, 采用自动目标生成过程 (atomatictargetgenerationproces,s ATGP)从原始数据中提取纯像元向量,作为 ICA算法的初始化向量, 以负熵为目标函数产生独立分量, 并通过 阶统计量筛选实现 光谱数据的降维。分类实验结果表明, 该方法不仅解决了传统 ICA的随机排序问题, 而且 与经典降维算法主分量分析 (principalcomponentsanalysi,sPCA)相比,分类精度提 了 6.83%, 在大大降低 光 谱数据量的情况下很好地保留了 光谱数据的特征, 有利于数据的后续分析和应用。 : 光谱降维; 光谱线性模型;独立分量分析;虚拟维数 :TP75 1　　　:A　　　:1001-3695 (2011 )03 -1183 -03 do:i10.3969 /.jissn.100 1-3695.2011.03.111 Hyperspectraldataredction singprepixelextractionandICA LIULiang-chn, FENGYan (CollegeofElectronics Information, NorthwesternPolytechnicalUniversit,yXian7 10072, China) Abstrac:tBycomparingICAwithhyperspectrallinearmode,lthispaperproposedanewapproachtohyperspectraldataredc- tionbasedoncombinationofprepixelextractionandICA, inordertoretainsignificantspectralcharacteristicsinredction process.Inthismetho,dvirtaldimensionalityestmiationdeterminedthenmberofspectralcharacteristic,sandatomatictar- getgenerationprocessextractedprepixelvectorswhichcoldbeappliedasinitializationvectorsforICA, andthensedne- gentropyiterationandhigherorderstatisticsforindependentcomponentsgenerationandfinalcomponentsselectionrespective- ly.ClassificationresltsshowthattheapproachnotonlysolvesthestochasticschedlingproblemoftraditionalICA, btalso achievesaclassificationaccracyincrementby6.83 percentcomparingwiththeclassicaldmiensionalityredctionmethod PCA.Theproposedapproachcanprotectcharacteristicsofhyperspectraldataverywellinthecaseofsignif