基于曲线形状特征的快速高光谱图像波段选择

随着高光谱遥感技术的发展,图像的谱分辨率越来越高,更加有利于图像地物分类及目标检测等任务.但是由于高光谱遥感图像具有波段多、波段之间相关性高和冗余度大等特点,给图像的进一步处理带来了新的挑战,因此有必要对高光谱遥感图像进行降维处理.本文在保留高光谱遥感物理信息的基础之上,从曲线形状分类角度提出了一种结合时间序列重要点分析以及带分组约束搜索的波段选择新方法.该方法将高光谱遥感图像的每个像素的所有波段转换成时间序列进行分析,首先运用小波变换去除光谱噪声,然后借鉴时间序列重要点的提取原理,获取初始候选波段集合.在此基础上结合条件互信息分组,提出改进的分支定界搜索法获得最终的波段组合.为了验证本文波段选择的有效性,对降维后的高光谱图像进行了SVM分类,在两个公共测试数据集上的实验结果表明,本文方法能够选择具有重要信息的波段,而且与以往的方法相比,本文新方法选择的波段较少,而分类正确率未见明显降低,有时甚至更高.