彭忻怡,罗 斌,付志涛

(1.武汉大学 测绘遥感信息工程国家重点实验室，湖北 武汉 430079； 2.昆明理工大学 国土资源工程学院，云南 昆明 650093)

高光谱图像由于其非常窄的波段宽度与众多的光谱数目，存在维度较高、波段间相关性高、信息冗余量大的问题，一方面给图像的存储、传输与运算带来了更大负担，大大增加了处理的时间与空间复杂度；另一方面，随着数据维度的过度增长，有限的样本训练出的数据分布模型精度反而会降低，即出现“维度灾难”[1]，对地物分类与图像分析产生影响[2].高光谱图像波段选择是遥感领域的常见数据预处理方法，其目的是从高光谱图像中选择有限的波段以减轻计算负担，同时避免对分类精度造成较大损失，并保留波段的物理特性.

大部分波段选择方法可以根据选择策略划分为基于排序、基于聚类、基于贪婪算法及基于演化算法的的波段选择方法.基于排序的方法通常利用拉普拉斯值[3]、样本成分分析值[4-5]、信息离散度[6]、流形排序[7]等作为波段评价指标.其中基于主成分方差最大的波段选择[8]已成为波段选择的基准方法之一，若排序指标未充分考虑波段之间存在重叠，则还需要对排序后波段进行去冗余操作.聚类方法则是直接从波段相似性出发，选出冗余度最小的波段组合.常见的有基于响应平滑性约束的优化聚类方法[9]、快速密度峰值聚类方法[10]、低秩子空间聚类[11]、基于图的聚类方法[14]等，然而这样可能会……