独立主成份分析(ICA)

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