7、高光谱遥感数据降维和压缩技术

高光谱遥感数据降维和压缩技术

1. 高光谱目标检测研究成果

在高光谱目标检测领域，众多学者取得了一系列研究成果：
- 2008 年，He L 等人在多光谱/高光谱目标检测中取得成果，通过充分利用高光谱图像的空间信息和尺度信息，有效抑制噪声并提高检测性能。
- 2002 年，Yanfeng Gu 等人提出的算法利用核主成分变换进行非线性特征提取，在降低高光谱图像数据维度后进行小目标检测。
- 2007 年，Lina Xun 等人提出了基于端元提取的异常小目标检测算法。
- 2008 年，Derong Chen 通过样本分割优化选择改进了 SVDD 异常检测算法，在保持检测性能的基础上提高了算法的运行效率，还研究了基于压缩和顶点成分分析的低概率检测，效果良好。
- Qingbo Li 等人从光谱维度出发，利用光谱角度匹配的马氏距离进行异常检测，具有较高的运算速率。
- 哈尔滨工程大学的 Yaxin Ji 等人提出了基于二次曲波变换和脉冲耦合神经网络融合的异常目标检测算法，针对异常检测有效实现了高光谱数据降维和特征提取。

2. 高光谱数据降维 - 波段选择

2.1 波段选择标准

进行高光谱数据的波段选择时，需遵循以下标准：
1. 信息理论角度 ：所选波段或波段组合的信息量应保持最大。
2. 数理统计角度 ：所选波段应具有弱相关性，以保持各波段的独立性和有效性。
3. 光谱学角度 ：研究区域内待识别地物的光谱特征差异应最大。
4.