一种基于支持向量数据描述的近边界端元提取方法
【专利摘要】本发明涉及一种基于支持向量数据描述的近边界端元提取方法。本发明的目的是这样实现的：（1）基于支持向量数据描述获取近边界端元搜索区域：（2）基于PCA最值最大距离法初始化端元集。本发明实施简单，为端元提取过程搜索空间大、随机初始化端元影响提取结果的两大难题找到有效的解决方案。两部可独立改善提取结果性能，也可结合使用，在效率和精度上同时取得性能的提升。此外两方面都可以灵活适用于其他的端元提取算法，为有端元提取需求的相关研究内容提供了一个通用、高效、性能优越的处理模板。
【专利说明】一种基于支持向量数据描述的近边界端元提取方法
【技术领域】
[0001]本发明涉及一种基于支持向量数据描述的近边界端元提取方法。
【背景技术】
[0002]高光谱遥感的发展使得遥感技术进入一个全新的数据挖掘时代。随着光谱分辨率的提高，传统成像技术无法挖掘处理的信息，在高光谱成像技术的空前发展中得到前所未有的进步。但与此同时空间分辨率不足的事实，为高光谱图像数据的处理带来新的挑战，混合像元的概念由此而生。混合像元的处理在近几年得到了广泛的研究，作为混合像元处理前提的端元提取也受到众多的关注。“端元”是指高光谱数据中可以详尽表示待测地物光谱属性的纯像素，获得的端元向量通常作为高光谱图像处理算法对待测地物的先验知识，所以高光谱端元提取算法通常作为图像的预处理过程，提取到端元向量的可靠性对后续高光谱处理算法的处理精度起到极其重要的作用。
[0003]近年来端元提取算法及相应的改进算法层出不穷。端元通常分布在由混合像元所构成的凸面单形体的顶点或顶点附近的单形体边缘上，N-FINDR算法作为一种全自动处理、无参数设置的简单算法受到广泛的应用。但是由于高光谱图像海量的数据，N-FINDR巨大的数据搜索空间和初始化端元随机选择两个方面在提取结果精度、稳定性及执行效率上成为最明显的缺陷。现有研究成果以一定的阈值来缩减搜索的空间，但是并没能得到对应端元分布可能的最优搜索集合，单形体内的数据的保留就是制约提取效率和精度的重要因素之一。另外初始化端元选择的随机性，造成端元提取结果的不稳定性，也是影响提取算法收敛性能和最终提取准确性的另一关键因素。
[0004]为了尽可能最大程度地缩小搜索空间得到接近真实端元可能分布的区域，并获取接近最优端元的初始化端元集，以此为后面的端元提取过程创造最好的搜索条件，本发明提出了一种基于SVDD的近边界端元提取方法。
【发明内容】
[0005]本发明的目的在于提供一种实施简单，为端元提取过程搜索空间更大的基于支持向量数据描述的近边界端元提取方法。
[0006]本发明的目的是这样实现的:
[0007](I)基于支持向量数据描述获取近边界端元搜索区域:
[0008]I)应用PCA对原始数据降维得到p-1维数据集，P为端元数目；
[0009]2)得到卡方约简数据集:
【权利要求】
1.一种基于支持向量数据描述的近边界端元提取方法，其特征在于: (O基于支持向量数据描述获取近边界端元搜索区域: 1)应用PCA对原始数据降维得到P-1维数据集，P为端元数目； 2)得到卡方约简数据集:
【文档编号】G06T7/00GK103942776SQ201410083794
【公开日】2014年7月23日 申请日期:2014年3月10日 优先权日:2014年3月10日
【发明者】赵春晖, 赵艮平, 田明华, 王立国, 廖艳苹 申请人:哈尔滨工程大学