matlab的最大噪声分离变换（MNF）

matlab的最大噪声分离变换（MNF），可以处理RGB图，高光谱图像以提取图像特征。算法速度较快，注释详尽。

function [ XSNR ] = mnf（ Xk ）
% --------------最大噪声分离（MNF）------------
% 对数据进行MNF变换并提取特征.
%   Input:
%       X:要进行变换的数据矩阵H-by-W-by-B
%       k:要提取的成分数若为空则 k=B
%   Output:
%       X:经过MNF变换后的矩阵H-by-W-by-k
%       SNR:信噪比（B1）
[HWB] = size（X）;
if（~isa（X‘double‘））
    X = double（X）;
end
% 转换为二维数据（pN）p=BN=H*W
X = hyperConvert2d（X）;
[p N] = size（X）;% p=BN=H*W
if ~exist（‘k‘‘var‘） || isempty（k）
    k = p;
end
%% Step 1 计算原始协方差矩阵sigmaZ 和 噪声协方差矩阵
% 计算原始数据的协方差矩阵sigmaZ
sigmaZ = cov（X‘）;% （pp）
% 转化为三维矩阵以估算噪声协方差矩阵
X = hyperConvert3d（XHWp）;% （HWB）
% 估算噪声协方差矩阵
dX = zeros（H-1Wp）;
for i=1:（H-1）
    dX（i : :） = X（i : :） - X（i+1 : :）;
end
dX = hyperConvert2d（dX）;
sigmaN = cov（dX‘）;% （pp）
%% Step 2 求得噪声协方差矩阵的特征向量并标准化
% 求得噪声协方差矩阵的特征向量并标准化
[VD] = eig（sigmaN）;% V:（p.p）
[CI]=sort（diag（D）‘descend‘）;% 按降序排列
V = V（:I）;D=diag（C）;
P = V/sqrt（D）; % 标准化
%% Step 3 对噪声数据进行标准PCA变换
% 对数据进行标准PCA变换
sigmaAdj = P‘*sigmaZ*P;
[VD]=eig（sigmaAdj）;
[CI]=sort（diag（D）‘descend‘）;
V = V（:I）;D=diag（C）;
M = P*V;
M = M（:1:k）;
% 计算SNR
SNR = diag（D）;% （p1）
% 进行MNF变换
X = M‘*hyperConvert2d（X）;% （pN）
% 转换为数据立方体
X = hyperConvert3d（X H W p）;% （HWB）=（HWp）

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件       1410  2014-06-11 11:05  mnf.m

----------- ---------  ---------- -----  ----

                 1410                    1