减少光谱波段 (影像分析工具)
汇总
利用最小噪声分离 (MNF) 和主成分分析 (PCA) 分析方法减少多波段影像中的光谱波段数量。
用法
PCA 和 MNF 都广泛用于减少高光谱影像中的波段数量，但两者在优化目标、噪声处理方式以及对高光谱数据的适用性上存在差异。
PCA 是一种统计变换方法，该变换将原始光谱波段重新投影到一组新的正交分量中，并按所解释的总方差进行排序。 第一个分量解释最大的方差（通常包含最多信息），第二个分量解释次大的方差，依此类推。
MNF 是一种噪声调整的 PCA 方法，专门为高光谱影像而设计。 该方法估计噪声协方差矩阵，并转换数据，使噪声具有单位方差（噪声经过归一化，使得一个变化单位等于一个噪声标准差）且不相关。 一旦噪声方差 = 1 且噪声相关性 = 0，那么光谱空间中任何方差大于 1 的方向必定包含信号。 然后，通过 PCA 对数据进行变换，各分量按信噪比 (SNR) 从高到低排序，从而将有意义的数据与噪声分离以获得更好的分析效果，这与优先考虑总方差的标准 PCA 不同。
该工具接收一个多波段或高光谱输入影像，并输出一个包含指定数量 MNF 和 PCA 分量（波段）的变换后栅格。 将光谱波段变换并减少至包含最相关影像信息的波段，可提高处理效率与精度。
参数
| 标注 | 说明 | 数据类型 |
|---|---|---|
|
输入栅格 |
多波段或高光谱图像。 如果输入是多维栅格，将使用第一个剖切片。 |
Raster Dataset; Mosaic Dataset; Mosaic Layer; Raster Layer; Image Service |
|
输出栅格 |
包含 MNF 或 PCA 分量的变换后栅格。 波段数量等于分量数量参数值。 |
Raster Dataset |
|
降维方法 （可选） |
指定用于执行变换的方法。
|
String |
|
分量数量 （可选） |
输出将包含的 MNF 或 PCA 分量数量。 默认值等于影像所包含的波段数；但如果影像的波段数超过 20 个，则默认值将设置为 20。 |
Long |
|
输出 MNF 变换 （可选） |
用于变换输入影像的 MNF 变换系数，其形式为输入波段数 * 分量数量参数值。 您可以使用此栅格数据集，以相同的系数变换其他影像。 |
Raster Dataset |
|
输出 PCA 载荷 （可选） |
列出各输入波段对主成分贡献权重的表格。 这些权重用于定义输入数据与输出主成分的相关性。 |
Table |
|
输出 PCA 特征值 （可选） |
特征值表，指示每个分量的方差百分比。 特征值有助于定义表示数据集所需的主成分数。 |
Table |
环境
像元对齐, 像元大小, 压缩, 当前工作空间, 范围, 地理变换, NoData, 输出配置关键字, 输出坐标系, 并行处理因子, 金字塔, 栅格统计, 重采样方法, 临时工作空间, 捕捉栅格, 切片大小
许可信息
- 基本: 需要 Image Analyst
- 标准: 需要 Image Analyst
- 高级: 需要 Image Analyst
参考
- "Green, A. A., Berman, M., Switzer, P., and Craig, M. D., 1988, A transformation for ordering multispectral data in terms of image quality with implications for noise removal: IEEE Transactions on Geoscience and Remote Sensing, v. 26, no. 1, p. 65-74."