噪声鲁棒的高光谱图像波段选择方法

目前大多数高光谱图像波段选择方法仅考虑波段信息冗余问题，忽略了所选波段的噪声水平，致使选取的代表性波段子集中可能含有噪声水平较高的波段。为解决这一问题，本文提出一种噪声鲁棒的高光谱图像波段自适应分区与子空间搜索方法。首先，基于皮尔逊相关系数构造高光谱图像波段相关性矩阵；然后，将高光谱图像光谱波段等分为若干子空间，通过构造与皮尔逊相关系数相适应的子空间划分最优目标函数，自适应地调整子空间的分割点；最后，综合考虑波段的信息熵和噪声水平，在子空间波段选择时将噪声水平以惩罚项的形式反映在优化问题的目标函数中。在Indian Pines、Washington DC和Salinas这3个数据集上进行了实验，采用波段平均相关性、分类精度两种指标对不同方法的波段选择结果进行评价，并分析各种波段选择方法的噪声鲁棒性。实验结果表明，本文方法能够挑选出信息量大且噪声水平低的代表性波段。与其它波段选择方法相比，本文方法所选择的代表性波段平均相关性弱，分类精度高，在包含噪声波段的高光谱图像中效果尤为显著。