Please wait a minute...
img

官方微信

遥感技术与应用  2006, Vol. 21 Issue (3): 227-231    DOI: 10.11873/j.issn.1004-0323.2006.3.227
研究与应用     
基于主分量和独立成分分析的多光谱目标检测
张 媛, 何明一, 梅少辉

( 陕西省信息获取与处理重点实验室, 西北工业大学电子信息学院, 陕西 西安 710072)
Target Detection of Multi-spectral Image Based on PCA and ICA
ZHANG Yuan, HE Ming-yi, MEI Shao-hui

( Shanxi Key Laboratory of Information Acquisition and Processing, Northwestern Polytechnical University , X i'an 710072,China)
 全文: PDF 
摘要:

不同材料的物体具有不同的光谱特性, 基于这一原理, 可以利用多光谱图像数据对不同的目标进行检测。对于具有相似或相同外形特征( 颜色和形状) 的物体, 利用全色图像一般达不到检测与识别的目的; 利用传统的多光谱目标检测方法, 则因计算量较大, 识别精度低等, 达不到满意的效果。提出了一种基于主分量与独立成分分析相结合的多光谱目标检测的新方法。通过对多光谱图像数据进行主分量分析, 可以降低多光谱的维数, 去掉冗余成份, 保留其主要信息; 对降维后的数据再进行独立成分分析, 提取各种目标的光谱特性, 实现目标的检测与识别。将这两种方法有机的结合起来, 发挥各自的优点, 实现对多光谱图像目标快速的检测与识别。以真假树叶( 真树叶和塑料树叶) 为例, 验证了该方法的有效性和正确性。

关键词:  多光谱、高光谱图像 主分量分析 独立成分分析目标识别    
Abstract:

Spectral features of various materials are different from each other, so the target can be detected among a group of ones with different materials based on the principle. Usually, the targets with the same features, such as color and shape, can not be detected in the panchromatic images; or the traditional methods cannot give approving results because of the large scale of data and low precision of detection.So, this paper presents a new target detection method for multispectral images and hyperspectral images based on the Principal component analysis ( PCA) and Independent component analysis ( ICA) . The data of multispectral images is firstly processed by PCA method in order to reduce the dimension of original multispectral images and take the redundancies out for getting the main components of images. The disposed data will be processed using the independent component analysis ( ICA ) algorithm, and then the target can be detected from the abstracted spectral features. This paper takes the advantages of PCA method and ICA method, and makes the target detection in multispectral and hyperspectral images quickly. At last , the validity of this method is verified by a test which detects two kinds of leaves ( artificial and real) , using the new method by combining the ICA and PCA.

Key words: Multispectral image    Hyperspectral image    PCA    ICA    Target detection  
收稿日期: 2005-11-23 出版日期: 2011-09-27
:  TP 75  
基金资助:

国家自然科学基金资助课题( 批准号: 60572097) 。

作者简介: 张媛( 1982- ) , 女, 硕士研究生, 主要从事遥感图像分析与目标、识别方面的研究。
服务  
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章  

引用本文:

张 媛, 何明一, 梅少辉. 基于主分量和独立成分分析的多光谱目标检测[J]. 遥感技术与应用, 2006, 21(3): 227-231.

ZHANG Yuan, HE Ming-yi, MEI Shao-hui. Target Detection of Multi-spectral Image Based on PCA and ICA. Remote Sensing Technology and Application, 2006, 21(3): 227-231.

链接本文:

http://www.rsta.ac.cn/CN/10.11873/j.issn.1004-0323.2006.3.227        http://www.rsta.ac.cn/CN/Y2006/V21/I3/227

 

〔1〕 Hoff L E, Evans J R, Burney L E. Detection of Targets in Terrain Clutter by Using Multispectral Infrared Image Processing 〔J〕. Proc S PIE, San Diego, CA, 1991, 1481:2554~2569.
〔2〕 Yu X, Reed I S . Comparative Performance Analysis of Adaptive Multiband Detector〔J〕.IEEE Trans Signal Processing,1993, 41( 8) : 2639~2656.
〔3〕 Margalit A, Reed I S . Adaptive Optical Target Detection Using Correlation Images〔J〕.IEEE Trans Aerosp Electron Syst, 1985 AES -21( 3) : 465~479.
〔4〕 Miller M I, Fuhmann D R. Maximum Likelihood Narrow Band Direction Finding and the EM Algorithm 〔J〕. IEEE Acoust Speech Signal Processing, 1990, 38( 9) : 560~577.
〔5〕 黄外斌, 张谭, 陈刚. 基于边界和梯度特征的图像识别〔J〕.计算机工程, 2004, 9: 60~61+ 165.
〔6〕 陈振林. 基于傅里叶描述子的实时图像处理系统〔J〕.仪器仪表学报, 2003, s 2: 391~394.
〔7〕 Hyvarinen A, Oja E. Independent Component Analysis : Algorithms and Application〔J〕.Neur Net , 2000, 13: 411~430.
〔8〕 杨竹青, 毛锦, 胡德文. 独立成分分析方法在图像处理中的应用〔J〕.计算机工程与科学, 2002, 5: 65~67.
〔9〕 Jun Liu, Songcan Chen, Zhi-Hua Zhou . Progressive Principal Component Analysis〔J〕.Lecture Notes in Computer Science, 2004, 3173: 768~773.
〔10〕Silvia S C Botelho, Willian Lautenschlger, Matheus Bacelo de Figueiredo. Dimensional Reduction of Large Image Datasets Using Non-linear Principal Components 〔J 〕.Lecture Notes in Computer Science, 2005, 3578: 125~132.
〔11〕Hyvarin en A . Fast and Robust Fixed-Point Algorithms for Independent Component Analysis〔J〕.IEEE Trans on Neural Networks, 1999, 10( 3) : 626~634.

[1] 程博,刘岳明,刘旭楠,王桂周,马肖肖. 基于多源特征融合的高分辨率遥感图像近海养殖区提取方法研究[J]. 遥感技术与应用, 2018, 33(2): 296-304.
[2] 王俊,秦其明,叶昕,王建华,秦雪彬,杨绣丞. 高分辨率光学遥感图像建筑物提取研究进展[J]. 遥感技术与应用, 2016, 31(4): 653-662.
[3] 刘吉磊,李强子,杜鑫. 基于高斯差分模型的雪地扰动痕迹遥感识别[J]. 遥感技术与应用, 2015, 30(1): 140-147.
[4] 逄锦娇,孙睿,王汶. 高分辨率影像配准误差对土地覆盖分类和变化检测的影响[J]. 遥感技术与应用, 2014, 29(3): 498-505.
[5] 潘佩芬,杨武年,戴晓爱,郑菠. 不同森林植被的高光谱特征分析[J]. 遥感技术与应用, 2013, 28(6): 1000-1005.
[6] 唐晓燕,高昆,倪国强. 高光谱图像非线性解混方法的研究进展[J]. 遥感技术与应用, 2013, 28(4): 731-738.
[7] 曹晶晶,卓莉,王芳,陶海燕. 盲信号分离技术在高光谱混合像元分解中的应用[J]. 遥感技术与应用, 2013, 28(3): 488-495.
[8] 赵晶晶, 李晓松, 黄慧萍, 裴亮, 吴炳方. 基于TM6的城市居民建筑节能研究[J]. 遥感技术与应用, 2009, 24(6): 766-771.
[9] 李娜, 颜长珍. 利用MODIS植被指数评估分水对黑河中游的影响[J]. 遥感技术与应用, 2009, 24(6): 793-796.
[10] 王彦, 李文芯. 遥感及部分相关学科SCI收录期刊介绍[J]. 遥感技术与应用, 2009, 24(6): 855-858.
[11] 宦若虹, 杨汝良, 岳晋. 水平集分割方法在合成孔径雷达图像目标识别中的应用[J]. 遥感技术与应用, 2007, 22(6): 681-684.
[12] 韩玲, 卜晓翠. 基于ERDAS的蚀变遥感异常提取方法[J]. 遥感技术与应用, 2007, 22(6): 696-699.
[13] 高娜, 石韧, 颉耀文. 落叶松早落病危害的光谱特征及与叶绿素浓度的关系研究[J]. 遥感技术与应用, 2007, 22(6): 710-714.
[14] 张 群,管 华,郭 英,宋元鹤,李宏伟. 具有大旋翼一类旋转部件的雷达目标成像[J]. 遥感技术与应用, 2007, 22(2): 282-286.
[15] 姜立鹏, 覃志豪, 谢 雯. 针对MODIS 数据的地表温度非线性迭代反演方法[J]. 遥感技术与应用, 2006, 21(6): 483-487.