遥感影像主成分变换融合 *** 在土地利用动态监测中的应用

主成分变换（PCA）又叫主分量分析，是遥感影像处理中经常应用的 *** 之一。其作用是数据压缩、图像增强和特征选择等。对影像进行主成分变换的实质是把原始的n维特征向量X,按最小均方误差准则，映射为新的n维特征向量Y。主成分变换前后方差总和不变，而只是将原来方差不等量地再分配到新的主分量影像中。变换后的各主分量正交，即各主分量之间的相关系数为0或接近0，而且前面几个主分量就包含了原始影像中的绝大部分信息。 其中，之一主分量包括了原始多波段影像信息的绝大部分内容，相当于原始各波段的加权和，其权值与该波段的方差大小成正比。其他各主分量所包括的信息逐渐减少，代表的是不同层次的影像间的差值。因此，可以选择n个变换后的主分量进行合成，从而达到数据压缩和突出变化信息的目的。

在土地利用动态遥感监测中，主成分变换通常采用以下两种方式进行: （1）用另一传感器影像替代多波段影像经主分量变换后的之一主分量。即用预处理好的高分辨率全色影像来替代多光谱影像的之一主分量影像，然后进行主分量逆变换，以提高融合后影像的空间分辨率。 （2）对所有要参与融合的多传感器影像进行主成份分析。即，将高分辨率影像与多光谱影像进行叠加一起进行主分量变换，复合生成一个影像文件，以集成多传感器输入数据的不同特征。主成分变换的优点在于能较好地保留高分辨率影像的纹理，不限参加波段的数量，可减少信息的损失。主成分变换缺点是，融合后各波段的物理含义发生了变化，影像的色彩关系难以掌握，不易获得较好的融合结果，一般不用于背景图的制作。

来源：开源地理空间基金会中文分会

来源链接：https://www.osgeo.cn/post/1170g

微信号：MeetyXiao
添加微信好友, 获取更多信息
复制微信号

本站声明:网站内容来源于 *** ,如有侵权,请联系我们,我们将及时处理。