一种基于最佳指数-相关系数法的高光谱波段提取方法

摘要

一种基于最佳指数-相关系数法的高光谱波段提取方法，包括以下步骤：步骤A、对原始高光谱数据进行分类、整理预处理；步骤B、在原始高光谱数据分类、整理后进行最佳指数计算处理；步骤C：3波段相关系数同时选取最大的计算；步骤D、综合数据的最佳指数计算，相关性计算和商权指数计算基础上进行高光谱波段的选择。本发明提供一种高光谱遥感数据波段选择方法，克服了传统高光谱数据波段选择方法所存在的使用单个波段对目标要求进行反演时很容易受到其他因子干扰的不足，而使用多波段时缺少对各波段与目标之间的关系的缺点。

主权项

一种基于最佳指数‑相关系数法的高光谱波段提取方法，包括以下步骤：步骤A：对原始高光谱数据进行分类、整理预处理，具体步骤如下：首先对获得的单个原始高光谱数据中无用信息进行剔除，然后将所有单个数据中反射率数据综合到同一个文件中，作为以下处理的基本数据库；步骤B：在原始高光谱数据分类、整理后进行最佳指数计算处理，具体方法如下：最优组合波段需要同时选取3个相关波段进行计算，采用最佳指数OIF作为优化组合的评价指标，其计算公式为：其中：S_i为选取3个波段中任意第i波段的标准差，R_ij为选取3个波段中任意i、j两波段的相关系数，r为任意i、j两波段的组合数；步骤C：3波段相关系数同时选取最大值的计算，计算方法如下：通过最佳指数计算后获得的所有3波段组合，计算每种波段与目标数据的相关性，然后利用公式R_std＝R‑r_std计算最大相关系数，其中：R_std为3波段的相关系数评价指标，R_std越大表示3个波段的相关系数值均同时最大；R为3个波段各自与目标数据相关系的总和，r_std为3个波段各自与目标数据相关系数的标准差；步骤D：采用商权指数计算方法建立数据的最佳指数与相关性系数综合指标评价体系，并在此基础上进行高光谱波段的选择，具体如下：商权指数的计算方法是将最佳指数计算结果与相关系数计算结果作为计算的两个输入指标值，测评系统中目标数据对象集合为F＝(OIF，C)，基于最佳指数与相关性系数综合指标评价体系计算参数集合c＝(c₁，c₂，…，c_m)，得到原始评价信息矩阵R＝(r_ij)_m×2，其中：r_ij为第j评价指标下第i项目的优化指标评价值；由于系统中各因素的量纲不一定相同，数值有时相差悬殊，从而造成数据的比较的难度增大，需要对原始数据优化指标处理以及归一化处理，方法为正指标数据优化处理公式为$r_{\mathrm{ij}}^{\prime }=\frac{r_{\mathrm{ij}}-\min \left(r_{\mathrm{ij}}\right)}{\max \left(r_{\mathrm{ij}}\right)-\min \left(r_{\mathrm{ij}}\right)},$负指标数据优化处理公式为$r_{\mathrm{ij}}^{\prime }=\frac{\max \left(r_{\mathrm{ij}}\right)-r_{\mathrm{ij}}}{\max \left(r_{\mathrm{ij}}\right)-\min \left(r_{\mathrm{ij}}\right)},$其中：r_ij′为第j指标下第i项目的优化指标评价值，max(r_ij)与min(r_ij)为第j指标里的所有i项目中优化指标评价的最大值和最小值；第j指标下第i项目的优化指标之间的比重值P_ij计算公式为由商权法计算的第j指标的商值其中：k＝1/ln2，当P_ij＝0时，P_ij lnP_ij＝0，第j指标的商权为$w_j=\frac{1-H_j}{m-{\Sigma }_{j=1}^m{H}_j};$综合权重计算公式为其中：λ_j为主观权重，w′_j为综合权重；最佳指数‑相关系数法提取的总指标将可行方案集映射到“距离”空间，并将L_P(w′_j，j)作为综合评价的总指标，其中$L_{\mathrm{pj}}(w_j^{\prime },j)={\left[{\Sigma }_{j=\lambda }^2{\lambda }_j^P{r}_{\mathrm{ij}}^{\prime P}\right]}^{\frac{1}{P}},$取P＝1，此时$L_{1j}(w_j^{\prime },j)=\left[{\Sigma }_{j=\lambda }^2{\lambda }_j{r}_{\mathrm{ij}}^{\prime }\right],$L₁称之为海明距离，只注重偏差的总和，归一化处理公式为上述公式中i＝1，2，...，m；j＝1，2，L₁越大则其综合评价值越高，这样就可以按照L₁从小到大的顺序排序，从而获得提取波段结果，L₁即为基于最佳指数‑相关系数法的高光谱波段提取方法的选择指标。