高光谱数据预处理之移动窗口平均平滑算法
本文转自： https://blog.csdn.net/qq_35166974/article/details/88058945
今天介绍高光谱数据预处理算法中的：移动窗口平均平滑算法。
顾名思义，移动窗口平均平滑的意思就是平滑窗口在数据上移动求平均，从而对数据进行去噪。上一节我们讲的标准化是对全体样本数据的移动、缩放，从而消除各个样本数据间的差异。而移动窗口平均平滑是对单个样本数据进行平滑，消除数据中的噪音。下面，我将介绍该算法的原理：
上图为一光谱数据，我们要对其进行移动窗口平均平滑，首先确定窗口大小，本例中我们将窗口大小设为5（窗口大小为奇数）。因此，从头选择光谱数据上的五个点：x-2，x-1，x0，x1，x2，对其进行求平均，然后赋值给x0：
其中n为窗口大小，这里为5。之后移动窗口，使窗口中心点遍历整个光谱数据，即完成了移动窗口平均平滑。
这里我们会发现，处理后的光谱数据会比原始光谱短，因此，我们在处理光谱数据之前，要先对光谱数据补零，然后进行拟合，从而使处理后的光谱数据与原光谱数据大小一致。
下面是实现代码：
-
function pdata=moving_average(data,window)
-
-
%该函数实现对数据的移动窗口平均平滑
-
%data为输入的原始数据，window为窗口大小，pdata为输出数据
-
%Author：等等登登-ande
-
%Email：
18356768364@163.com
-
-
[m,n] = size(data);
-
pdata = zeros(m,n);
-
%参数初始化
-
if nargin ==
1
-
window =
3;
-
elseif round(window/
2) == window/
2
-
error(
'光谱窗口宽度必须是奇数')
-
end
-
%对原始数据进行补零
-
center = floor(window/
2);
-
extdata = [zeros(m,center) data zeros(m,center)];
-
%对补零后的数据进行拟合
-
for k =
1
:m
-
start = polyfit(center+
1
:center+
4,extdata(k,center+
1
:center+
4),
2);
-
extdata(k,
1
:center) = polyval(start,
1
:center);
-
bend = polyfit(n-
3+
center:n+center,extdata(k,n-
3+
center:n+center),
2);
-
extdata(k,n+center+
1
:n+window-
1) = polyval(bend,n+center+
1
:n+window-
1);
-
end
-
%求平滑后的数据
-
for i =
1+
center:n+center
-
pdata(
:,i-center) = mean(extdata(
:,i-
center:i+center)
')';
-
end
处理结果：
原始数据
平滑数据
Get better every day！！！