宋海峰 ，陈广胜 ，杨巍巍

(1.东北林业大学 信息与计算机工程学院，黑龙江 哈尔滨 150040；2.黑龙江工程学院 计算机科学与技术学院，黑龙江 哈尔滨 150050；3.哈尔滨工程大学 计算机科学与技术学院，黑龙江 哈尔滨 150001)

引用著录：宋海峰，陈广胜，杨巍巍.基于PCA的高光谱遥感图像分类[J].测绘工程，2017，26(12)：17-20，26.

DOI:10.19349/j.cnki.issn1006-7949.2017.12.003

基于PCA的高光谱遥感图像分类

宋海峰1,2，陈广胜1，杨巍巍2,3

(1.东北林业大学 信息与计算机工程学院，黑龙江 哈尔滨 150040；2.黑龙江工程学院 计算机科学与技术学院，黑龙江 哈尔滨 150050；3.哈尔滨工程大学 计算机科学与技术学院，黑龙江 哈尔滨 150001)

高光谱遥感图像的出现进一步提升遥感图像分类的准确性，但高光谱遥感图像的数据量大，处理高光谱遥感图像复杂度高、效率低。为解决这一问题，将主成分分析算法作为遥感图像分类的预处理技术。分析主成分分析算法的原理，利用主成分分析算法提取高光谱图像的主要波段图像。通过实验验证得出结论：高光谱遥感图像的主波段图像包含分类所需的大部分信息，利用少数的主波段图像即可达到70%以上的分类正确率。实验结果表明，在保证分类正确率的前提下，PCA算法可有效地减少图像分类处理的数据量，提高图像的处理效率。

高光谱；遥感图像；主成分分析；图像分类

光谱分辨率是高光谱遥感图像的重要指标参数，利用光谱分辨率可以确定待分类图像的光谱特征[1]。光谱分辨率是指单幅图像的光谱范围，高光谱图像的光谱范围一般在5～10 nm[2-3]，这几乎是以连续的光谱信息来记录地物影像。……