1 南京航空航天大学 电子信息工程学院，江苏 南京 211106
2 中国科学院西安光学精密机械研究所 中科院光谱成像技术重点实验室，陕西 西安 710119
针对高光谱遥感图像的异常检测问题，为了使高光谱降维数据能更完整地保留其光谱信息，提出了基于子空间中主成分最优线性预测的波段选择方法.采用改进相关性度量的谱聚类方法将高光谱波段划分为不同的子空间，并对各子空间中的波段进行主成分分析(PCA)，选择主要分量作为重构目标；以子空间追踪法为搜索策略，从各子空间中选择数个波段对其重构目标进行联合最优线性预测；合并各子空间中的所选波段得到最佳波段子集.实验结果表明，该方法选择的波段子集可以较完整地重构原始数据，与原始数据以及自适应波段选择(ABS)方法、线性预测(LP)方法、最大方差主成分分析(MVPCA)方法、自相关矩阵波段选择(ACMBS)方法、组合因子最优波段选择(OCFBS)方法得到的波段子集相比，其波段子集具有更好的异常检测性能.
遥感 高光谱图像 波段选择 主成分 线性预测 子空间追踪 谱聚类 remote sensing hyperspectral image band selection principal component linear prediction subspace pursuit spectral clustering
