高(多)光谱数据的背景-异常子空间模型研究

• 作者: 张建国 张普斌 张远飞 杨自安 石菲菲
• 来源期刊: 地球信息科学学报
• 学科: 地球科学
• 关键词: 高(多)光谱数据 蚀变信息检测 光谱数据空间结构 盲信号分离 主成分分析
• 年，卷（期）: 2009,（3）
• 所属期刊栏目: 新型遥感技术与应用
• 页码范围: 282-291
• 页数: 10页
• 分类号: P2
• 字数: 8667字
• 语种: 中文
• DOI: 10.3969/j.issn.1560-8999.2009.03.004

摘要

本文引用独立成分分析与盲信号分离的理论,从遥感高(多)光谱数据的基本统计特征出发,对其概率密度分布作出了分类与解释,并同图像数据的背景与异常建立了联系.在此基础上,对高(多)光谱数据点阵分布的空间几何结构进行了深入的研究分析,推断出遥感高(多)光谱数据集合的高维空间属于低维几何结构-"超平面"形态,而包含蚀变信息在内的异常点群通常会游离在"超平面"之外.然后,对主成分分析(PCA)的信号-噪声模型加以引申,提出了遥感图像多元数据集合高维空间的背景一异常信号子空间可划分的概念,并给出了子空间划分的阈值估计方法.同时,探讨了遥感图像的端元数目、多波段数据集合的本征维数、主要背景地物数目三者之间的关系;通过西藏驱龙地区两种类型遥感数据的实例分析,说明了本文所讨论的光谱数据空间的低维结构以及背景-异常子空间模型在遥感高(多)光谱数据分析应用中的正确性与实用性.研究结果表明:尽管不同自然景观区的遥感图像的光谱变化复杂,而它们的光谱数据空间属于低维几何结构,以及背景-异常(含噪声)子空间的可分性是其具有共性的本质特征.在统计意义上蚀变异常在遥感高(多)光谱数据集合中是可识别的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨自安		48	712	15.0	24.0
2	张远飞		25	284	11.0	16.0
4	石菲菲		17	136	8.0	11.0
7	张建国		40	314	10.0	15.0
8	张普斌		30	522	13.0	22.0