何 春，郭 科

(1.西华师范大学 教育信息技术中心，四川 南充637009；2.数学地质四川省重点实验室(成都理工大学)，四川 成都610059)

0 引言

随着遥感技术的不断发展，高光谱图像的光谱分辨率可达纳米数量级，在获得地物图像信息的同时，也获得其丰富的光谱信息，真正做到了图像与光谱的结合，具有图谱合一的重要特性[1]。高光谱图像具有光谱分辨率高、波段多、相邻波段间互相关性强等特点。但是，由于高光谱图像的波段众多，波段数据之间势必存在大量冗余。庞大的数据量对图像的存储、传输和处理造成了很多困难。为了更好地实现高光谱图像的地物识别和分类等应用目的，其数据的预处理过程就显得尤为重要[2]，保留重要信息、去除图像噪声和减少数据冗余是预处理的主要目的。

主成分分析(PCA)已在高光谱遥感领域得到了广泛应用，是一种常见的对高光谱数据进行降维的处理方法，但其在降维时，需要先将波段图像转换成一维向量，这样不但会破坏图像的结构信息，还由于维度的增加，加大了计算量[3]。2004年，Yang Jian等[4]提出了二维主成分分析(2DPCA)，它无需将波段图像转换成一维向量，直接利用二维图像矩阵提取特征，既保留了图像的结构信息，也使计算时间大大缩短。但是2DPCA只是在图像矩阵的行方向上提取特征，降低维数，而忽略了对列方向的操作，导致其降维效果还不够理想。针对上述问题，Zhang等[5]在2005年提出了双向2DPCA算法((2D)2PCA)，该方法在图像的行和列方向上同时进行二维主成分分析，即同时降低了图像矩阵在行和列方向上的维数，其降维效果得到了极大的提升。……