独立分量分析在多光谱遥感图像分类中的应用

摘要：

多光谱遥感图像反映了不同地物的光谱特征,其分类是遥感应用的基础.但是在多光谱遥感波段图像中存在不同地物对应着相同的灰度,即异物同谱的问题.独立分量分析算法对未知的源信号的混合信号进行估计,可以获得相互独立的源信号的近似.独立分量分析算法利用了信号的高阶统计信息,对于多光谱遥感图像而言,算法去除了波段图像之间的相关性,获得的波段图像是相互独立的.但是独立分量分析算法有一个缺点,即计算量太大,影响了在多光谱遥感图像分类上的应用.文章对独立分量分析的一种快速算法FastICA进行改进,减少了计算量,提高了算法的有效性.在性能相当的情况下,改进FastICA算法能有效地减少算法的计算量.由于FastICA算法是线性ICA算法,对于非线性混合的光谱信号的估计存在一定误差,因此应用BP神经网络的非线性特性对其进行自动分类.在同原始遥感图像的BP神经网络分类结果进行比较,结果表明独立分量分析算法能提高多光谱遥感图像的分类的正确率.

关键词：独立分量分析、固定点算法、多光谱遥感图像、BP神经网络

所属期刊栏目：40

分类号：TP751(遥感技术)

在线出版日期：2004-08-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：108-110,145