高光谱图像数据具有波段多、光谱分辨率高、波段宽度窄、数据量庞大等特点,因而对地物的描述与测度更加细致,但由此也带来了光谱维数高,处理难度大,计算量大,实时性差的问题。显然,如何有效地“降维”,将数据投影到低维空间进行分析是解决这一问题的有效途径。 本文对高光谱图像的降维方法进行了研究,并根据实验需要搭建了基于液晶可调谐滤波器的光谱图像采集系统。主要工作如下: 1.为满足实验需要,搭建了一个基于液晶可调谐滤波器(LCTF)的光谱图像采集系统,在不同的场景中进行了多次实验,结果表明该系统所得光谱图像可以满足研究需要,为具体算法研究提供了必备条件。 2.对常用的高光谱图像降维方法进行了研究,给出了常用的波段选择方法、自适应子空间划分方法、主成分分析方法的仿真分析。分析表明利用波段选择和划分数据源的降维方法,依靠单一指标进行波段选择和数据源划分容易损失有效信息,而主成分分析方法虽然能在保留大部分信息前提下实现有效降维,但其通常只能反映数据的全局或主要特征,而不能反映局部或细节特征。 3.对投影寻踪方法在高光谱图像降维中的应用进行了研究,分别给出了以偏度、峰度、Jones矩指标等为投影指标,以遗传算法为优化算法的仿真分析,仿真结果表明投影寻踪算法能突出数据的局部特征,但实时性较差。 4.提出了一种基于自适应子空间划分的序贯投影寻踪方法,利用自适应子空间划分优化高光谱图像的分组方式,再应用序贯投影寻踪方法对其实现降维。仿真表明此方法不但能降低计算时间,进一步突出数据的局部特征,而且能有效地利用高光谱图像相关性。