基于K-L散度與光譜可分性距離的波段選擇算法

楊 佳，華文深，劉 恂，馬左紅

（1.軍械工程學院，河北 石家莊050003；2.解放軍73101部隊，江蘇 徐州221000）

引言

在經歷了全色成像、彩色攝影、多光譜掃描成像階段后，20世紀80年代出現了成像光譜的概念。高光譜成像是利用連續的窄小波段獲取目標有關信息的技術，高光譜數據將傳統的圖像維和光譜維信息融為一體，在獲取目標空間圖像的同時，得到每個圖像單元對應的光譜信息，這樣，在基于空間維度進行目標分類識別的同時，能夠從光譜維度依光譜特征實現目標信息的反演和識別。

高光譜數據中波段數量多，波段之間相關性強，信息冗余多，使數據處理難度加大。為了有效地利用高光譜數據的豐富信息，同時較快地完成數據處理，就需要對原始數據進行降維［1］。波段選擇便是降維的重要方法之一，依據一定的判據從全部波段中選出最能表示目標特征的若干波段，并以此來表示整個數據集。該方法克服了變換法改變圖像特性的缺點，較好地保留了最原始的數據信息，更有利于保持圖像的原有特性，成為高光譜數據降維的重要研究方向［2-6］。

波段選擇應遵循以下3個原則［7］：

1）所選的波段信息量盡可能豐富；

2）所選的波段之間相關性盡可能小，保持各波段的獨立性和有效性；

3）所選的波段組合對識別或分類目標的光譜特性差異要最大、類別可分性要強。

在現階段研究中，波段選擇的基本算法可以分為2類：一種是基于信息量的最佳波段選擇方法，如最佳指數因子法、波段指數法、自適應波段法等；……