独立主成份分析(ICA)
作者:互联网
独立主成分分析(Independent Components Analysis)把多光谱或者高光谱数据转换成相互独立的部分(去相关),可以用来发现和分离图像中隐藏的噪声、降维、异常检测、降噪、分类和波谱端元提取以及数据融合,它把一组混合信号转化成相互独立的成分,在感兴趣信号与数据中其它信号相对较弱的情况下,这种变换要比主成分分析得到的结果更加有效。ENVI中提供独立主成分正变换和独立主成分逆变换。
当使用独立主成分正变换时,ENVI可以通过计算新的统计值,或根据已经存在的统计值,或其他独立主成分变换的变换文件,进行独立主成分正变换。
- 打开图像文件。
- 在Toolbox工具箱中,双击Transform/ICA Rotation/Forward ICA Rotation New Statistics and Rotate工具。在Independent Components Input File对话框中,选择图像文件。
- 在Forward IC Parameters对话框中(图5.11),Stats X/Y Resize Factor文本框中键入小于等于1的调整系数,用于计算统计值时的数据二次采样。键入一个小于1的调整系数,将会提高统计计算速度。例如,使用一个0.1的调整系数,在统计计算时将只用到十分之一的像元。选择默认值为1。
图5.11独立主成分分析面板
- 键入一个输出统计路径及文件名。
- 变化阈值(Change Threshold),如果独立成份变化范围小于阈值,就退出迭代。值的范围为10-8~10_2,默认为10-4,这个值越小,得对的结果越好,不过计算量会增加。
- 最大迭代次数(Maximum Iterations),最小为100,值越大得到的结果越好,计算量也增加。
- 最大稳定性迭代次数(Maximization Stabilization Iterations),当达到最大迭代次数还不收敛时,运行stabilized fixed-point算法优化结果。最小值为0,值越大得到的结果越好。
- 对比度函数(Contrast Function),提供三个函数:LogCosh、Kurtosis和Gaussian,默认的为LogCosh,选择这个函数需要设置一个系数(Coefficient),范围为:0 ~2.0。
- 单击Select Subset from Eigenvalues标签右侧的箭头切换按钮,选择YES。统计信息将被计算,并出现Select Output PC Bands对话框,列出每个波段和其相应的特征值。同时也列出每个主成分波段中包含的数据方差的累积百分比。如果选择No,则系统会计算特征值并显示供选择输出波段数。
- 输出波段数(Number of Output PC Bands),按照默认(输入文件的波段数)
- Sort Output Bands by 2D Spatial Coherence复选框,选中可以让噪声波段不出现在IC1中。
- 选择结果输出路径及文件名。如果需要输出转换特征,在Output Transform Filename中输入路径和文件名(.trans),这个文件可以用在类似图像中。
在Toolbox工具箱中,双击Transform/ICA Rotation/Inverse ICA Rotation工具可以执行独立主成分逆变换。
摘自《ENVI遥感图像处理方法 第二版》高等教育出版社
标签:变换,ICA,独立,成份,成分,Output,Rotation 来源: https://www.cnblogs.com/enviidl/p/16280386.html