一种基于非线性主成分分析的高光谱图像目标检测方法  

A New Target Detection Method Using Nonlinear PCA for Hyperspectral Imagery

作　　者：孙康[1,2] 耿修瑞[1] 唐海蓉[1] 赵永超[1] 

机构地区：[1]中国科学院电子学研究所空间信息处理与应用系统技术重点实验室,北京100190 [2]中国科学院大学,北京100190

出　　处：《测绘通报》2015年第1期105-108,共4页Bulletin of Surveying and Mapping

摘　　要：目标探测是高光谱图像的重要应用之一。目前已经有了很多的目标探测算法,然而这些算法要求目标与背景是线性可分的。在实际的高光谱数据中,这一要求往往难以满足。本文提出了一种基于非线性主成分分析的高光谱图像目标探测算法。该方法先利用神经网络将高光谱图像进行非线性降维,从而使得在降维后的数据中目标与背景线性可分;然后使用约束能量最小化算法进行目标探测,为了取得较好的目标探测效果,保留了图像原始的特征。针对模拟数据和真实高光谱图像数据的试验表明,基于神经网络的非线性主成分分析可以将线性不可分的目标与背景分离。使用非线性特征和原始特征的组合可以获得更好的目标探测效果。

关 键 词：高光谱遥感 目标探测 非线性主成分分析 约束能量最小化 

分 类 号：P237[天文地球—摄影测量与遥感]