高光譜圖像是三維數(shù)據(jù)塊，每個波段都有一個灰度圖像，因此高光譜圖像可以看作是多個灰度圖像的疊加。高光譜圖像的處理方法首先就是降低噪音以及減少數(shù)據(jù)的維數(shù)，然后再采用相應的分析方法進行數(shù)據(jù)的壓縮和提取。本文對高光譜圖像數(shù)據(jù)的降噪與提取方法做了介紹。

高光譜圖像數(shù)據(jù)的降噪方法：

作為高光譜圖像的預處理方法，最小噪聲分離變換主要用于判定圖像數(shù)據(jù)內(nèi)在的維數(shù)，分離信號和噪聲，進一步去除噪聲，提高信噪比。該算法的實質(zhì)是兩次層疊的主成分變換。

第一次是正向變換，基于噪聲的協(xié)方差矩陣，對高光譜圖像進行去相關和重定標處理，分離并重新調(diào)節(jié)數(shù)據(jù)中的噪聲，使得噪聲成分具有單一方差，且沒有波段與波段之間的相關性。經(jīng)過正向變換的運行，數(shù)據(jù)空間被分為兩個部分：一部分與較大的特征值以及相對應的特征圖像相關聯(lián)，另一部分與較小的特征值以及噪聲占主導的圖像相關聯(lián)。依據(jù)特征值的大小和對應的圖像，可以判定包含相關圖像的波段（一般是前幾個或十幾個圖像）。

第二次變換是反向變換，對經(jīng)上述處理后的相關圖像波譜子集做標準主成分變換，變換為它們的原始數(shù)據(jù)空間。由于以噪聲為主導的圖像在運行反向變換之前被排除，原始數(shù)據(jù)空間中的噪聲將會大大減少。

高光譜圖像數(shù)據(jù)的提取方法：

主成分分析（PCA）是一種非常實用的降低數(shù)據(jù)維數(shù)、增強有用信息以及隔離噪聲信號的算法。它采用線性變換將數(shù)據(jù)轉(zhuǎn)換到一個新的坐標系統(tǒng)，得到的新變量是原始變量的線性組合，且彼此之間互不相關，使數(shù)據(jù)的差異達到最大，同時前幾個新變量要盡可能多地表達原始變量的數(shù)據(jù)特征。

對高光譜圖像進行主成分分析后，得到的主成分波段圖像是原始波段圖像的線性組合，且每個主成分圖像之間互不相關。第一主成分圖像包含最大的數(shù)據(jù)方差百分比；第二主成分圖像其次；主成分圖像的波段越靠后，其包含的方差百分比越小，噪聲信號越大，圖像質(zhì)量越差；最后幾個波段的主成分圖像包含的方差百分比很小，顯示為噪聲。