独立主成份分析(ICA)

独立主成份分析（Independent Components Analysis）把多光谱或者高光谱数据转换成相互独立的部分（去相关），可以用来发现和分离图像中隐藏的噪声、降维、异常检测、降噪、分类和波谱端元提取以及数据融合，它把一组混合信号转化成相互独立的成分，在感兴趣信号与数据中其它信号相对较弱的情况下，这种变换要比主成份分析得到的结果更加有效。
ENVI中提供独立主成份正变换和独立主成份逆变换。 当使用独立主成份正变换时，ENVI可以通过计算新的统计值，或根据已经存在的统计值，或其他独立主成份变换的变换文件，进行独立主成份正变换。
（1） 打开图像文件。
（2） 在主菜单中，选择Transform->Independent Components->Forward IC Rotation ->Compute New Stats and Rotate。在Independent Components Input File对话框中，选择图像文件。
（3） 在Forward IC Parameters对话框中（图），“Stats X/Y Resize Factor”文本框中键入小于等于1的调整系数，用于计算统计值时的数据二次采样。键入一个小于1的调整系数，将会提高统计计算速度。例如：使用一个0.1的调整系数，在统计计算时将只用到十分之一的像元。选择默认值：1。
（4） 键入一个输出统计路径及文件名。
（5） 变化阈值（Change Threshold），如果独立成份变化范围小于阈值，就退出迭代。值的范围为10-8 ~ 10-2，默认为10-4，这个值越小，得对的结果越好，不过计算量会增加。
（6） 最大迭代次数(Maximum Iterations)，最小为100，值越大得到的结果越好，计算量也增加。
（7） 最大稳定性迭代次数(Maximization Stabilization Iterations)，当达到最大迭代次数还不收敛，运行stabilized fixed-point算法优化结果。最小值为0，值越大得到的结果越好。
（8） 对比度函数（Contrast Function），提供三个函数：LogCosh、Kurtosis和Gaussian，默认的为LogCosh，选择这个函数需要设置一个系数（Coefficient），范围为：1.0 ~2.0。
（1） 单击击“Select Subset from Eigenvalues”标签附近的 按钮，选择“YES”。统计信息将被计算，并出现Select Output PC Bands对话框，列出每个波段和其相应的特征值。同时也列出每个主成分波段中包含的数据方差的累积百分比。如果选择No，则系统会计算特征值并显示供选择输出波段数。
（2） 输出波段数（Number of Output PC Bands），按照默认（输入文件的波段数）
（3） Sort Output Bands by 2D Spatial Coherence复选框，选中可以让噪声波段不出现在IC1中。
（4） 选择结果输出路径及文件名。如果需要输出转换特征，在Output Transform Filename中输入路径和文件名（.trans），这个文件可以用在类似图像中。
选择Transform->Principal Components->Inverse IC Rotation功能可以执行独立主成份逆变换。

文章来源：http://blog.sina.com.cn/s/blog_764b1e9d01010tzg.html