主成分分析逆变换_主成分分析缨帽变换.docx

主成分分析缨帽变换

主成分分析、缨帽变换主成分变换。 步骤如下：打开ENVI，打开南京市的遥感影像图。单击 Tranform-Principal Components--Forward PC Rotation--Compute New Statistics and Rotate,进行主成分分析。选择“南京市”遥感影像。图12．主成分变换前后的统计对比 单击Basic Tools--Statistics--Compute Statistics进行统计。如图2所示:图2 主成分变换前(左)与变换后(右)的波段统计根据如上的统计计算得出如下表格：主成分变换前后主成分所占百分比。主成分变换前Covariance主成分百分比Band 10.0433351Band 20.025463789Band 30.091828824Band 40.144571585Band 50.505262577Band 70.189538126主成分变换后Covariance主成分百分比Band 10.746706607Band 20.171007016Band 30.066912956Band 40.008309639Band 50.006021297Band 60.001042485由主成分变换后的统计得;前三个主成分所占百分比达到98%以上，基本可以完全代表图的信息，可以舍去后三个主成分，起到了压缩数据的作用。特征向量如下：EigenvectorBand 1Band 2Band 3Band 4Band 5Band 7Band 1-0.034954-0.022956-0.030838-0.334753-0.818547-0.46392Band 20.4595740.3557170.687743-0.299302-0.1023830.298669Band 3-0.101843-0.194514-0.336257-0.8174220.1357080.390036Band 4-0.739176-0.0232750.552697-0.2035340.22708-0.233693Band 5-0.408249-0.0719360.0600090.294007-0.49930.699155Band 7-0.2532790.910706-0.32236-0.04810.0147070.004207二.缨帽变换 同样，打开名为“南京市”的遥感影像。单击Tranform--Tasseled Map进行缨帽变换。选择“南京市”的图层，单击OK，进入图3：图3如图3所示：本图是Landsat 5的TM影像，选择相应的卫星，选择所要保存文件的路径，单击OK即完成。结果如图4所示： 图4 从左至右以此代表亮度、绿度、湿度可以看出：从左至右以此代表明度，绿度，湿度，且越亮的地方，所代表的意义越大，例如：越亮绿度越高等。三．融合进行图像融合的两个最大的要点是：具有相同的空间参考和相同的尺寸，这就要求图像必须先进行几何校正和裁切操作才可以。 1，主成分融合方法 (1)重采样打开Basic Tools--Resize Data对多光谱影像进行像元重采样，令其像元大小与全色波段影像像元大小一致。 (2)主成分变换单击Transform--Principal Components--Forward PC Rotation--Compute New Statistics and Rotate，选择重采样之后的多光谱影像进行主成分变换，注意变换文件的保存，以便完成后边的反变换。(3)直方图匹配打开第一主成分，单击全色波段图层菜单栏下Enhance--Histogram Matching与第一主成分波段影像进行直方图匹配，匹配后，单击第一主成分菜单栏下Enhance--Interactive Stretching，进入图5界面：图5打开图5中File--Export Stretch,选择所要保存文件的位置，单击OK完成。将多匹配后的光谱主成分(除第1主成分)和直方图匹配后保存的影像(代替第1主成分)重新保存成为一个影像。(4)反变换单击Transform--Principal Components--Inverse PC Rotation进行反变换，整个融合过程就完成了，结果如图6所示。图6 原图(左)与结果图(右)