论文部分内容阅读
遥感图像的预处理会直接影响图像信息的提取。为了去掉波段间相关性对于信息提取的不利影响，本文讨论了两种核心独立元算法(核心典型相关，KCCA和核心广义方差，KGV)及它们在遥感图像分类预处理中的应用，并比较了二者的优缺点。实验数据来自北京顺义1996年的TM和广东肇庆地区2002年的ETM+遥感影像，根据图像的不同特点采用了不同的波段组合进行独立元分析处理。接着采用神经网络监督分类和ISODATA非监督方法对原始图像和独立元分析处理后的图像进行分类。结果表明，采用核心独立元分析方法预处理后的分类结果比原始图像直接参加分类的结果更加合理可靠。而对于两种核心独立元方法而言，两者都比较稳定，都能实现遥感图像的高阶统计独立性从而增强类别的可分离度。不过实验结果也表明，KGV更能增强线状特征信息而且分类精度要优于前者。本文还计算了两种核心独立元分析处理后图像的信噪比，结果表明KGV对于信息的保真度高于KCCA。