FastICA在高光谱遥感矿物信息提取中的应用

面对高光谱遥感的巨大数据量,传统遥感分类方法一般难以取得良好的效果。针对传统高光谱遥感信息提取方法的不足,提出了基于快速独立成分分析(fastindenpendentcomponentanalysis,FastICA)的高光谱遥感矿物信息提取方法。首先利用虚拟维数(virtualdimensionality,VD)方法确定高光谱遥感数据的最优特征个数,然后利用FastICA方法进行降维和混合像元分解。以提取矿物信息为研究目标,实验数据采用模拟加噪高光谱遥感数据,使用HyMap机载高光谱遥感数据作为端元信息提取精度评价数据。结果表明:高光谱模拟图像经FastICA特征提取后,与光谱角填图(spectralanglemapping,SAM)分类相比,精度仍保持在90%以上;HyMap数据端元提取误差控制在10-3以内,证明该方法在高光谱遥感数据中降维和混合像元分解的可行性和有效性。