基于MATLAB的高光谱遥感数据的PCA运用

基于MATLAB的高光谱遥感数据的PCA运用

1. 高光谱遥感数据下载
   高光谱遥感数据来源
   本文章以Indian Pines包为例。该数据文件下包括Indian_pines_corrected.mat和Indian_pines_gt.mat文件。
2. 数据包导入matlab
   下载后的数据文件夹中存在两个以.mat结尾的文件。其中文件名中含有corrected的.mat文件为原始三维的遥感数据。剩下的一个.mat文件是遥感数据的lable标签，它是二维数据。

导入数据代码如下：

filename = ['Indian Pines\Indian_pines_corrected'];%单引号中存放数据文件的地址,地址因人而异，和你存放电脑中的具体位置有关。
X=load(filename);%matlab读取数据

注：导入matlab中的遥感数据是以结构体（struct）的形式存在，不能直接当做矩阵进行运算。矩阵数据是结构体中的一个属性，因此需要使用“.”来调用其中的矩阵信息。
3. 对数据进行降维
（。。大神，此小段可以跳过。。）将三维数据降维成二位数据，需要使用软件自带的一个函数（reshape( )函数），关于reshape( )函数的具体使用可以在Command window中输入 help reshape进行查看运用的规则。

在降维之前需要确定最终生成二维矩阵的大小，在matlab中我们可以使用自带的size( )函数对数据的大小进行查看。例如本例中查看Indian_pines_corrected.mat数据文件中的矩阵大小，代码如下：

A=X.indian_pines_corrected;%这里在上面的注 解释过了。
[m,n,p]=size(A);%其中m表示三维矩阵的行，n表示列，p表示页，A是作为参数传入size()

数据降维的关键思想：如何将三维数据压缩成二维，举例便知。
有一个5*6*7的三维矩阵，是否可以转换成7*30的二维矩阵？答案是可以的。嘻嘻
分析：5*6*7的三维矩阵中包含的元素个数是210个，转换之后的二维矩阵所包含的元素个数是不是也是210，so这种转换没毛病 烙铁。
废话不多说，直接上降维代码；

t=m*n;
M=reshape(A,p,t);%A为传入的三维数组，p为最终得到二维矩阵行的个数，t为最终得到二维矩阵列的个数
M=M';%将M矩阵转置

至于为何转置，请参考下面这位博主的文章。降维需要转置
4. 进行主成分分析（PCA）
使用matlab工具箱自带的princomp( )函数。
代码如下：

[COEFF,SCORE,latent]= princomp(M)

COEFF,SCORE,latent三个参数代表什么含义，可以在Command window中输入 help princomp进行查看运用的规则。

这是自己的第一篇博文，肯定有许多需要改正的地方。如有发现错误，还请与我联系。欢迎讨论，共同进步·····~~~