高光谱遥感图像降维python代码

高光谱遥感图像降维可以使用主成分分析（PCA）等方法实现。以下是使用Python实现PCA的示例代码：

from sklearn.decomposition import PCA
import numpy as np

# 加载高光谱遥感图像数据
data = np.load('hyperspectral_image.npy')

# 将数据重塑为二维数组
n_samples, n_features, n_bands = data.shape
data_2d = data.reshape((n_samples * n_features, n_bands))

# 执行主成分分析
pca = PCA(n_components=30) # 选取前30个主成分
pca.fit(data_2d)

# 获得降维后的数据
data_2d_pca = pca.transform(data_2d)

# 将数据重塑为原始图像的形状
data_pca = data_2d_pca.reshape((n_samples, n_features, pca.n_components_))

在这个例子中，我们首先加载高光谱遥感图像数据，然后将数据重塑为二维数组。接着使用PCA进行降维，选取前30个主成分。最后将降维后的数据重塑为原始图像的形状。