遥感图像处理与应用 PCA算法融合图像

遥感图像处理与应用课题报告——基于PCA的遥感图像融合的算法实现

张念、徐明阳

•PCA（principal components analysis）即主成分分析技术，又称主分量分析。

主成分分析首先是由K.皮尔森（Karl Pearson）对非随机变量引入的，尔后H.

霍特林（Hotelling）将此方法推广到随机向量的情形。它是通过正交变换将一组可能相关的变量转换到一组线性不相关的变量（称为主成分）的统计分析过程，简单就是一种通用的降维工具。

遥感图像处理中的主成分变换

遥感图像中不同波段通常存在较高的相关性(尤其对于多光谱、高光谱图像)，因此直观上看，不同波段的图像都很相似。从提取有用信息的角度考虑，各邻近

波段有相当大的一部分数据是多余和重复的。主成分变换在遥感中的应用目的是

去除波段之间的多余信息，把原来多波段图像中的有用信息集中到数目尽可能少

的新的主成分图像中，并使这些主成分图像之间互不相关，各个主成分包含的信

息内容不重叠，从而大大减少总的数据量，并使图像信息得到增强。

•pca遥感图像融合

•基于主成分变换结果，利用高分辨率图像替换低分辨率的图像的第1主成分信息，然后再进行逆变换得到融合图像。

pca融合的具体示意图

谢谢大家