论文部分内容阅读
高光谱遥感数据当中含有大量的地物反射光谱信息,由于受到包括大气传感器传输数据等等在内带来的影响,原始数据图像在很大程度上被噪声污染,这严重干扰了反射光谱的吸收,不仅仅使得高光谱遥感图像的精度降低,还使它们随后的处理非常不方便因而,对高光谱遥感图像进行噪声分析消除是其预处理当中必不可少的关键步骤同时,高光谱遥感图像当中包含了丰富的信息,但大量冗余信息对图像的研究并无实际意义,反而占据部分存储空间,影响其处理效率因而,考虑到要降低图像数据的维数或提取其有效波段,并且这些操作对后续处理并不会产生太大影响,且会在很大程度上降低数据的计算量因此,降维也是非常必要的对高光谱遥感图像进行降维处理的手段及其众多,依据其降维的结果大致可以分为两类:特征提取的降维方法及波段选择的降维方法最小噪声分离法就是基于特征提取的降维方法,它能够将高光谱图像的信息快速有效地压缩到较低的维数最小噪声分离法是一种以最大化信噪比为衡量准则的线性变换它在实现降维的过程中也对噪声进行了分离它实质上是进行两次主成分变换第一步是利用高通滤波模板对整幅影像或具有同一性质的影像数据进行滤波处理,得到噪声协方差矩阵第二步是对原始影像的协方差矩阵进行主成分分析最后,结合第一步得到的噪声协方差矩阵,完成整个MNF降维过程本文选取江西德兴铜矿的高光谱遥感数据进行最小噪声分离降维处理,第一步采用数学形态学的方法,构造全方位结构元素加权多级形态学滤波器,利用梯度算子来得到噪声协方差矩阵,在这里对比分析其与理想高通滤波器的滤波效果第二步同样是对原始影像的协方差矩阵进行主成分分析通过以上两个步骤完成最小噪声分离此时以贡献率为准则,对比发现基于全方位结构元素加权多级形态学最小噪声分离的降维效果比原始最小噪声分离的降维效果要好说明将数学形态学滤波应用于最小噪声分离其效果是比较好的,并且结构元的选择影响最终降维效果