无参数加权特征萃取对遥测影像目标侦测的应用.PDF

航測及遙測學刊 第十二卷 第四期 第335-341 頁 民國96 年 12 月 335 Journal of Photogrammetry and Remote Sensing Volume 12, No.4, December 2007, pp. 335-341 無參數加權特徵萃取對遙測影像目標偵測的應用 1 2 紀萬偉 任玄 摘要 線性混合模式(Linear spectral mixture analysis)已經廣泛的被應用在遙測領域上，而最小平方誤差(Least Squares)是眾多有效處理線性混合模式的方法之一。雜訊在線性混合模式中的每一波段不一定是呈現獨 立且相同分佈(Independent and Identical Distributed，(i.i.d))，而雜訊白化最小平方誤差(Noise Whitened Least Squares，(NWLS))藉由雜訊白化處理把雜訊分佈轉換成 i.i.d.，並已經被證明能改善傳統最小平方誤差法 的效能。然而，如何去估計出雜訊的共變異數矩陣仍然是一個重要的課題。目前已經有許多估計雜訊分 佈的方法被提出來，包含空間的高通濾波器、頻率域的高通濾波器、正交子空間投影、主成份分析法和 費雪線性區別法(Fisher＇s Linear Discriminant Analysis，(Fisher＇s LDA))。這些方法在雜訊是高斯分佈時 都有很好的估計，但是當雜訊的分佈不是高斯分佈時，其效能不盡理想。這篇文章中我們採用無參數加 權特徵萃取法(Nonparametric Weighted Feature Extraction，(NWFE))來估計雜訊的分佈並和前人提出的方法 做比較。同時限制能量最小化法(Constrained Energy Minimization，(CEM))在遙測的目標物偵測上我們也加 上權重改善 CEM 對目標光譜過於敏感的問題。 關鍵詞：雜訊白化最小平方誤差法、無參數加權特徵萃取、限制能量最小化法 1. 簡介  方法，並由實驗來比較雜訊分佈的估計。此外限 制能量最小法在高光譜的影像中對目標物的偵測 遙測技術隨著科技的進步，有著很好的應用 上也有不錯的結果，我們也嘗試使用加權的方式 與發展，其中遙測影像部份，由於不 同物質的頻 來改進其效能。 譜資訊在每一頻率上有不同的反射率，使得頻譜 本文章會先回顧雜訊白化最小平方誤差法， 資訊成為遙測影像中辨識物質的一個重要特徵。 接著是特徵的萃取和限制能量最小化法，實驗的 傳統的最小平方誤差法是一個很常用的估計目標 部份則比較改進後的結果和原始方法，最後為結 物質含量的方法，過去有許多改進其效能的方法 論。 被提出來，而雜訊白化最小平方誤差法是其中的 一個。經由數學推導證明，雜訊白化最小平方誤 2. 雜訊白化最小平方估計法  差 法 能 改 進 傳 統 最 小 平 方 誤 差 法 的 效 能 (Du, 原始的最小平方誤差法(Least Square, LS) 一 2003 ;Ren et al., 2002)，但此方法的優劣會隨著雜 個常用來解線性混合模型的方法。先假設一組高 訊分佈估計而有所不同。過去有許多估計雜訊分 光譜影像中具備 L 個波段數目，光譜 r 是一個 佈的方法被提出討論(Chen, 2006；Chang and Ji,