第31卷，第5期 2011年5月
光谱学与光谱分析 Spectroscopy and Spectral Analysis
Vol. 31,No. 5.pp1309-1313
May，2011
基于正交投影散度的高光谱遥感波段选择算法
苏红军1-2，盛业华1·，YangHe，DuQian
1.南京师范大学虑拟地兜环境教育部重点实验室，江苏南京210046 2.密酉西比州立大学电子与计算机工程系，Starkville，MS39759，USA
摘要由于高光谱数据的海量高维特征，对其进行降维处理成为高光谱遥感研究的一个重要间题。波段选择算法由于能够有效地保留原始数据的信息，在高光谱数据降维及后续的遥感识别与分类等方面具有明显的优越性。文竞提出了一种基于正交投影散度(OPD)的波段选择方法，该方法继承了正交子空间投影()SP)算法的特点，通过把原始数据投影到特征空间，实现感兴趣且标与背景噪声的分离；通过最大化光谱向量之间的相似性测度以及顺序浮动前向搜索（SFFS)算法，实现快速的波段选择，利用HYDICE和HY-MAP高光谱数据进行实验验证，并与其他传统波段选择算法，如光谱谐角度匹配、欧式距离、光谱信息散度和LCMV-BCC等进行对比，结果表明该算法在高光谱数据波段选择方面具有较好的适用性和鲁棒性，能够有效地应用于高光谱遵感数据的降维研究。
关键词波段选择；OPD；数据降维；高光谱影像
中图分类号：TP75
引言
文献标识码：A
DOl:10.3964/j.issn.1000-0593(2011)05-1309-05
因此成为高光谱遥感降维的重要研究方向之一，本文若重探讨高光谱波段选择的新算法。
虽然波段选择算法较好地保留了数据的原始信息，但是
高光谱遇感能够获取许多非常窄且光谱连续的图像数据，包含了丰富的空间、辐射和光谱借息。与常规多光谱遇感相比，高光谱数据具有数据量大、波段多且窄、波段相关
性强、信息允余多、图谱一体化等待征") 的急剧增大增加了处理算法的运算量；另
方面，数据量方面，波段之闻
的相关性和元余倍息降低了分类算法的准确度，如何既有效地利用高光谱数据的丰富信息，又能高效地对其进行处理成为一个难点问题。传统的多光谱盟感数据处理算法在处理员光谱数据时，常遇到Hughes现象即"维数病根”3)]。因此，对高光谱数据的“降维”就显得尤为重要；高光谱数据“降维”能够在保留重要信息的同时对原数据进行压缩处理。降维的方
是对所有波段实施某种数学变换，找出对分类
法有两种：
影响墩大的特征，即特征提取；二是依据一定的判断标准从全部波段中选择感兴趣的着干波段，即特征（波段）选择。由于待征提取方法改变了原始数据，一些重要和关键的信息有可能扭曲或者丢失，另外降维后的数据维数选择依然是个难题。而波段选择算法由于较好地保留了最原始的数据信息，
收稿日期：2010-04-14，修订日期：2010-07-18
它也存在两个问题：一是为了保存必需的信息，如何确定需要选择的波段数目；二是采用何种判断标准来选择感兴趣的波段。其中第一个问题在文献[3]中得到了较好地解决，该文提出了用虚拟维度（virtualdimensionality，VD）作为衡量波段数目的指标，并在高光谱数据分析方面得到了产泛应用(46)。在波段选择的判断标准方面，近年来提出了众多的算法，如基于光谱相似性测度的光谱角度匹配(spectralangle mapping，SAM)算法[)，欧式距离（euclideandistance，ED) 算法[")，基于信息论基础的光谱信息散度（spectralinforma tiondivergence，SID)算法[9)及最小能量约束的线性约束最小协方差（linearlyconstrainedminimumvariance-bandcorre lationconstraint，LCMV-BCC)算法[10)，另外，文献[11了提出了基于分形维数的波段选择方法，而文献[12,13]则系统地总结了现有的各种波段选择算法。SAM和ED等类似算法的前提是假设光谱值与光照条件呈现线性变化关系，但是由于在时间、空间及环境条件显着变化而影响光照条件时，奔易产生"同物异谱”和"异物同谱”等现象，因此基于角度和距离
基金项目：国家白然科学基金项甘（40901200)，闵家留学基金委公派研究生项目（2009686004)和南京师范大学优秀博士论文塔育计划项目
(1243211601040)资助
作者简介：苏红军，1985年生，南京师范大学虚拟地理环境教育部重点实验室博士生，南京师范大学与美国密西西比州立大学联合培养博
e-mail,hjsurs@163,com
士生万方数据
*通讯联系人
e-mail; shengyehuanjnu edu. cn