K-L变换

假设有如下矩阵：

其中，m和n分别为波段数（或称变量数）和每幅图像中的像元数；矩阵中每一行矢量表示一个波段的图像。
    对于一般的线性变换Y=TX，如果变换矩阵T是正交矩阵，并且它是由原始图像数据矩阵X的协方差矩阵S的特征向量所组成，则此式的变换称为K-L变换。
    K-L变换的具体过程如下：
   第一步，根据原始图像数据矩阵X，求出它的协方差矩阵S。X的协方差矩阵为：

式中：  ； （即为第i个波段的均值）；
；S是一个实对称矩阵。
   第二步，求S矩阵的特征值λ和特征向量，并且成变换矩阵T。考虑特征方程：
）
式中，I为单位矩阵，U为特征向量。
    解上述的特征方程即可求出协方差矩阵S的各个特征值  ，将其按  排列，求得各特征值对应的单位特征向量（经归一化）Uj：

若以各特征方量为列构成矩阵，即

U矩阵满足： U^TU=UU^T=I （单位矩阵），则U矩阵是正交矩阵。
U矩阵的转置矩阵即为所求的K-L变换的变换矩阵T。
有了变换矩阵T，将其代入Y=TX，则：

式中Y矩阵的行向量  为第j主成分。

经过K-L变换后，得到一组（m个）新的变量（即Y的各个行向量），它们依次被称为第一主成分、第二主成分、…第m主成分。这时若将Y矩阵的各行恢复为二维图像时，即可以得到m个主成分图像。

K-L变换是一种线性变换，而且是当取Y的前p（p<m）个主成分经反变换而恢复的图像 和原图像X在均方误差最小意义上的最佳正交变换。它具有以下性质和特点：
   （1）由于K-L变换是正交线性变换，所以变换前后的方差总和不变，变换只是把原来的方差不等量的再分配到新的主成分图像中。
   （2）第一主成分包含了总方差的绝大部分（一般在80%以上），其余各主成分的方差依次减小。
   （3）可以证明，变换后各主成分之间的相关系数为零，也就是说各主成分间的内容是不同的，是“垂直”的。
   （4）第一主成分相当于原来各波段的加权和，而且每个波段的加权值与该波段的方差大小成正比（方差大说明信息量大）。其余各主成分相当于不同波段组合的加权差值图像。
   （5）K-L变换的第一主成分还降低了噪声，有利于细部特征的增强和分析，适用于进行高通滤波，线性特征增强和提取以及密度分割等处理。
   （6）K-L变换是一种数据压缩和去相关技术，第一成分虽信息量大，但有时对于特定的专题信息，第五、第六主成分也有重要的意义。
   （7）可以在图像中局部地区或者选取训练区的统计特征基础上作整个图像的K-L变换，则所选部分图像的地物类型就会更突出。
   （8）可以将所有波段分组进行K-L变换，再选主成分进行假彩色合成或其它处理。
   （9）K-L变换在几何意义上相当于进行空间坐标的旋转，第一主成分取波谱空间中数据散布最大的方向；第二主成分则取与第一主成分正交且数据散布次大的方向，其余依此类推。