主成分變換（PCA）又叫主分量分析，是遙感影像處理中經常應用的 *** 之一。其作用是數據壓縮、圖像增強和特征選擇等。對影像進行主成分變換的實質是把原始的n維特征向量X,按最小均方誤差準則，映射為新的n維特征向量Y。主成分變換前后方差總和不變，而只是將原來方差不等量地再分配到新的主分量影像中。變換后的各主分量正交，即各主分量之間的相關系數為0或接近0，而且前面幾個主分量就包含了原始影像中的絕大部分信息。 其中，之一主分量包括了原始多波段影像信息的絕大部分內容，相當于原始各波段的加權和，其權值與該波段的方差大小成正比。其他各主分量所包括的信息逐漸減少，代表的是不同層次的影像間的差值。因此，可以選擇n個變換后的主分量進行合成，從而達到數據壓縮和突出變化信息的目的。
在土地利用動態遙感監測中，主成分變換通常采用以下兩種方式進行: （1）用另一傳感器影像替代多波段影像經主分量變換后的之一主分量。即用預處理好的高分辨率全色影像來替代多光譜影像的之一主分量影像，然后進行主分量逆變換，以提高融合后影像的空間分辨率。 （2）對所有要參與融合的多傳感器影像進行主成份分析。即，將高分辨率影像與多光譜影像進行疊加一起進行主分量變換，復合生成一個影像文件，以集成多傳感器輸入數據的不同特征。主成分變換的優點在于能較好地保留高分辨率影像的紋理，不限參加波段的數量，可減少信息的損失。主成分變換缺點是，融合后各波段的物理含義發生了變化，影像的色彩關系難以掌握，不易獲得較好的融合結果，一般不用于背景圖的制作。
來源：開源地理空間基金會中文分會
來源鏈接：https://www.osgeo.cn/post/1170g
微信號：MeetyXiao
添加微信好友, 獲取更多信息
復制微信號
添加微信好友, 獲取更多信息
復制微信號
本站聲明:網站內容來源于 *** ,如有侵權,請聯系我們,我們將及時處理。
