高光谱图像（.mat格式）主成分分析的matlab代码

以下是一个简单的 MATLAB 代码示例，用于对高光谱图像进行主成分分析（PCA）：

% 读取高光谱图像数据
load('image.mat'); % 假设数据保存在image.mat文件中
X = reshape(image, size(image,1)*size(image,2), size(image,3));
% 将数据标准化，使各维度变量均值为0，方差为1
X = zscore(X);
% 计算PCA转换矩阵
CovX = cov(X);
[V, D] = eig(CovX);
[~, idx] = sort(diag(D), 'descend');
V = V(:,idx);
% 选择前k个主成分
k = 10;
Vk = V(:,1:k);
% 计算降维后的数据
Y = X * Vk;
% 可视化降维后的数据
Y = reshape(Y, size(image,1), size(image,2), k);
imshow(Y(:,:,1), []);

以上代码中，我们首先读取高光谱图像数据，并将其转化为一个二维矩阵X，其中每一行代表一个像素点，每一列代表一个波段。接着，我们使用zscore函数将数据标准化，以便进行PCA。然后，我们计算数据的协方差矩阵，求解其特征值和特征向量，并选择前k个特征向量组成转换矩阵Vk。最后，我们将原始数据X映射到k维空间中，得到降维后的数据Y，并可视化其中的一维。