Comparison of Principal Components Analysis and Minimum Noise Fraction Transformation for Reducing the Dimensionality of Hyperspectral Imagery

Abstract

超光譜影像通常具有兩百個以上的連續波段，且各波段間存在高度相關，因此在影像分析前常需減少資料量以提昇運算效率，同時消除波段間的相關以減少分析誤差。本研究比較主成分分析與最小雜訊區段轉換這兩種轉換方法對減少超光譜影像資料維數的成效，結果證實最小雜訊區段轉換可正確根據影像品質的高低來排列主成分的次序，且有較高的訊號雜訊比，因此比主成分分析更適用於壓縮超光譜資料。