陈洁， 杜磊， 李京， 韩亚超， 高子弘

(1.中国国土资源航空物探遥感中心，北京 100083； 2.中国科学院遥感与数字地球研究所，北京 100101)

基于噪声白化的高光谱数据子空间维数算法

陈洁1,2， 杜磊1， 李京1， 韩亚超1， 高子弘1

(1.中国国土资源航空物探遥感中心，北京 100083； 2.中国科学院遥感与数字地球研究所，北京 100101)

高光谱影像数据的相邻波段间相关性较强，信号与噪声共存，根据最小二乘原理，使观测数据与噪声的投影误差之和最小化的HySime (hyperspectral signal identification by minimum error)算法，通过数据观测值减去噪声估计值后得到信号的估计值，进而可以计算信号相关矩阵的估计值。该算法在准确估计噪声的情况下是可行的，但实际上经光谱降维去相关后得到的各像元噪声估计值往往并不准确，因此，原始的HySime算法得到的结果可能并不理想。提出一种基于噪声白化的HySime改进算法，它不必进行逐像元的噪声去除，而是先对原始数据进行噪声白化处理，然后准确获取噪声的协方差矩阵估计值，再利用HySime算法进行信号相关矩阵计算，实现了提高算法精度的目的。通过模拟和实验数据的验证，改进的算法结果更准确稳定，与经典的NSP (noise subspace projection)算法在不同情况下所得结果有很好的一致性，通过引入噪声白化的过程，提高了算法对非白噪声的适应性。

高光谱降维; HySime; 噪声白化; 信号相关矩阵

0 引言

以小于20 nm光谱分辨率进行数据采集的高光谱数据的相邻波段间通常具有较强的相关性，它们的DN值以及显示出来的视觉效果往往很相似。……