第13卷第1期 智能系统学报 Vol.13 No.I 2018年2月 CAAI Transactions on Intelligent Systems Feb.2018 D0:10.11992/tis.201703023 网络出版t地址：http:/kns.cnki.net/cms/detail/23.1538.TP.20170702.1547.030.html 基于最大最小距离的高光谱遥感图像波段选择 王立国，赵亮，石瑶 (哈尔滨工程大学信息与通信工程学院，黑龙江哈尔滨150001) 摘要：为诚少高光谱遥感图像光谱空间冗余，降低后续处理的计算复杂度，提出一种基于最大最小距离的高光谱图 像波段选择算法。首先计算波段标准差，选定标准差最大的波段作为初始中心：然后使用最大最小距离算法得到相 对距离较远的聚类中心，对波段进行聚类；最后使用K中心点算法更新聚类中心。实验仿真结果表明：通过基于最 大最小距离算法选择的波段，能够选出同时满足信息量大、相关性小的要求的波段子集，并将获得的波段组合用于高 光谱图像分类时，可以得到较好的分类精度。 关键词：高光谱遥感：波段选择：波段聚类：无监督：最大最小距离算法：K-medoids聚类：最大似然法：分类 中图分类号：TN911.73.TP391文献标志码：A 文章编号：1673-4785(2018)01-0131-07 中文引用格式：王立国，赵亮，石瑶.基于最大最小距离的高光谱遥感图像波段选择.智能系统学报，2018.13(1)：131-137. 英文引用格式：WANG Liguo,ZHAO Liang,SHI Yao.Maximin distance algorithm-based band selection for hyperspectral im- ageryJ.CAAI transactions on intelligent systems,2018,13(1):131-137. Maximin distance algorithm-based band selection for hyperspectral imagery WANG Liguo,ZHAO Liang,SHI Yao (College of Information and Communication Engineering.Harbin Engineering University,Harbin 150001,China) Abstract:In this paper,we propose a hyperspectral-image band-selection algorithm based on the maximin distance to reduce the spectral redundancy of hyperspectral remote sensing images as well as the associated computational comple- xity.First,the algorithm computes the standard deviation of all bands and selects the one with the maximum standard deviation as the initial center.Then,to cluster the bands,we use the maximin distance algorithm to obtain centers that are relatively farther away.Finally,we use the k-medoids algorithm to update the clustering center.The experimental results show that the bands selected by the maximin distance algorithm can satisfy the demands associated with a large amount of information and relatively low correlation.At the same time,when the obtained bands are combined for hyperspectral image classification,higher classification accuracy can be achieved. Keywords:hyperspectral images;band selection;band clustering;unsupervised;maximin distance;K-medoids cluster- ing:maximum likelihood method;classification 随着遥感技术的快速发展，高光谱图像分析也中，降维是其重要环节。遥感数据降维有两种方 有了重大进展。高光谱数据因其波段众多可以提供 法：特征提取和波段选择。特征提取是用映射的方 地物更精确详尽的信息，但与此同时也带来了信息 法将原始数据变换为较少的新特征，常用的方法有 冗余，因而在对数据分析时会产生较高的计算复杂 主成分分析、独立成分分析、局部线性嵌入等引。 度以及Hughes现象，所以在高光谱图像处理过程 与特征提取不同，波段选择依据高光谱遥感数据的 特点从原始数据集中选择合适的波段子集，在不改 收稿日期：2017-03-17.网络出版日期：2017-07-02. 基金项目：国家白然科学基金项目(61675051)：国家教育部博士点 变原始数据的物理意义及光谱特性的同时降低数据 基金项目(20132304110007)：黑龙江省自然科学基金项 目(F201409) 维度，是一种有效的高光谱图像降维技术。 通信作者：王立国.E-mail:wangliguo@hrbeu.edu.cn. 按照先验信息的有无，高光谱图像波段选择方DOI: 10.11992/tis.201703023 网络出版地址: http://kns.cnki.net/kcms/detail/23.1538.TP.20170702.1547.030.html 基于最大最小距离的高光谱遥感图像波段选择 王立国，赵亮，石瑶 （哈尔滨工程大学 信息与通信工程学院，黑龙江 哈尔滨 150001） 摘 要：为减少高光谱遥感图像光谱空间冗余，降低后续处理的计算复杂度，提出一种基于最大最小距离的高光谱图 像波段选择算法。首先计算波段标准差，选定标准差最大的波段作为初始中心；然后使用最大最小距离算法得到相 对距离较远的聚类中心，对波段进行聚类；最后使用 K 中心点算法更新聚类中心。实验仿真结果表明：通过基于最 大最小距离算法选择的波段，能够选出同时满足信息量大、相关性小的要求的波段子集，并将获得的波段组合用于高 光谱图像分类时，可以得到较好的分类精度。 关键词：高光谱遥感；波段选择；波段聚类；无监督；最大最小距离算法；K-medoids 聚类；最大似然法；分类 中图分类号：TN911.73，TP391 文献标志码：A 文章编号：1673−4785(2018)01−0131−07 中文引用格式：王立国, 赵亮, 石瑶. 基于最大最小距离的高光谱遥感图像波段选择[J]. 智能系统学报, 2018, 13(1): 131–137. 英文引用格式：WANG Liguo, ZHAO Liang, SHI Yao. Maximin distance algorithm-based band selection for hyperspectral im￾agery[J]. CAAI transactions on intelligent systems, 2018, 13(1): 131–137. Maximin distance algorithm-based band selection for hyperspectral imagery WANG Liguo，ZHAO Liang，SHI Yao (College of Information and Communication Engineering, Harbin Engineering University, Harbin 150001, China) Abstract: In this paper, we propose a hyperspectral-image band-selection algorithm based on the maximin distance to reduce the spectral redundancy of hyperspectral remote sensing images as well as the associated computational comple￾xity. First, the algorithm computes the standard deviation of all bands and selects the one with the maximum standard deviation as the initial center. Then, to cluster the bands, we use the maximin distance algorithm to obtain centers that are relatively farther away. Finally, we use the k-medoids algorithm to update the clustering center. The experimental results show that the bands selected by the maximin distance algorithm can satisfy the demands associated with a large amount of information and relatively low correlation. At the same time, when the obtained bands are combined for hyperspectral image classification, higher classification accuracy can be achieved. Keywords: hyperspectral images; band selection; band clustering; unsupervised; maximin distance; K-medoids cluster￾ing; maximum likelihood method; classification 随着遥感技术的快速发展，高光谱图像分析也 有了重大进展。高光谱数据因其波段众多可以提供 地物更精确详尽的信息，但与此同时也带来了信息 冗余，因而在对数据分析时会产生较高的计算复杂 度以及 Hughes 现象，所以在高光谱图像处理过程 中，降维是其重要环节。遥感数据降维有两种方 法：特征提取和波段选择。特征提取是用映射的方 法将原始数据变换为较少的新特征，常用的方法有 主成分分析、独立成分分析、局部线性嵌入等[1-3]。 与特征提取不同，波段选择依据高光谱遥感数据的 特点从原始数据集中选择合适的波段子集，在不改 变原始数据的物理意义及光谱特性的同时降低数据 维度，是一种有效的高光谱图像降维技术。 按照先验信息的有无，高光谱图像波段选择方 收稿日期：2017−03−17. 网络出版日期：2017−07−02. 基金项目：国家自然科学基金项目 (61675051)；国家教育部博士点 基金项目 (20132304110007)；黑龙江省自然科学基金项 目 (F201409). 通信作者：王立国. E-mail：wangliguo@hrbeu.edu.cn. 第 13 卷第 1 期 智 能 系 统 学 报 Vol.13 No.1 2018 年 2 月 CAAI Transactions on Intelligent Systems Feb. 2018