專利名稱：基于粒子群優(yōu)化的高光譜遙感影像自適應(yīng)波段選擇方法
技術(shù)領(lǐng)域：
本發(fā)明屬于高光譜遙感圖像處理技術(shù)領(lǐng)域，具體涉及一種基于粒子群優(yōu)化的高光譜遙感影像自適應(yīng)波段選擇方法。
背景技術(shù)：
高光譜遙感也叫成像光譜學(xué)(Imaging Spectroscopy),是指利用很多窄的電磁波波段獲取物體有關(guān)數(shù)據(jù)的技術(shù)，是20世紀(jì)最后20年人類在對(duì)地觀測(cè)方面取得的重大技術(shù)突破之一，也是當(dāng)前及今后幾十年內(nèi)的遙感前沿技術(shù)。它利用成像光譜儀納米級(jí)的光譜分辨率，獲取許多非常窄且光譜連續(xù)的圖像數(shù)據(jù)，實(shí)現(xiàn)地物空間、輻射、光譜信息的同步獲取；從而為每個(gè)像元提供數(shù)十至數(shù)百個(gè)窄波段(波段寬度小于IOnm)的光譜信息，生成一條完整而連續(xù)的光譜曲線。進(jìn)入21世紀(jì)以來，高光譜遙感技術(shù)取得了重大進(jìn)展，伴隨著一系列基本問題的解決，高光譜遙感已由實(shí)驗(yàn)研究階段逐步轉(zhuǎn)向?qū)嶋H應(yīng)用階段。而作為高光譜遙感應(yīng)用這一熱點(diǎn)中的重點(diǎn)就是高光譜影像數(shù)據(jù)處理效率的提高和與之緊密相連的應(yīng)用領(lǐng)域的擴(kuò)展。波段選擇是遙感圖像識(shí)別與分類的重要環(huán)節(jié)之一。在樣本數(shù)不是很多的情況下，用很多特征進(jìn)行分類，無論從計(jì)算的復(fù)雜度還是性能上來說都是不適宜的。因此研究如何把高維特征空間壓縮到低維特征空間以便進(jìn)行有效處理成為一個(gè)重要的問題。在高光譜數(shù)據(jù)中，每一個(gè)光譜波段都可以看成一個(gè)特征，因此選擇某些對(duì)后續(xù)目標(biāo)如影像分類起主要作用的波段子集的過程叫做波段選擇。通過波段選擇，可以從海量的高光譜影像中去除冗余或噪聲波段，從而降低算法的復(fù)雜度并提高分類的準(zhǔn)確度。一般來說，選擇最佳波段的原則有三點(diǎn):一是所選擇的波段的信息量應(yīng)最大；二是所選擇的波段數(shù)據(jù)間的相關(guān)性要小；三是研究區(qū)內(nèi)欲識(shí)別地物的光譜響應(yīng)特點(diǎn)能使某些類別地物之間最容易區(qū)分。因此，那些信息含量多、相關(guān)性小、地物光譜差異大、可分性好的波段就是應(yīng)該選擇的最佳波段。目前國(guó)內(nèi)外在這方面進(jìn)行了系列的研究，在早期的多光譜應(yīng)用中，人們已經(jīng)意識(shí)到不同的光譜波段對(duì)不同的地物具有診斷性，并將信息散度(Divergence)、變換散度(TransformedDivergence)、JM (Jeffreys-Matusita)距離和馬氏(Bahattacharyya)距離等用于多光譜的波段選擇中；另外，互信息(Mutual Information)算法也被應(yīng)用于TM最優(yōu)波段的選擇。近年來，隨著高光譜遙感的發(fā)展，不僅以上算法擴(kuò)展到了高光譜領(lǐng)域，而且一些新的算法也陸續(xù)提出，如基于統(tǒng)計(jì)量的算法:熵與聯(lián)合熵、最佳指數(shù)因子(0IF)、波段指數(shù)(Band Index)，光譜導(dǎo)數(shù)等，但是這些算法基本上采用一次統(tǒng)計(jì)量來度量波段相對(duì)于后續(xù)分類的重要性，不能消除附加在數(shù)據(jù)中的噪聲信息。因此一些更為復(fù)雜的算法受到了重視，如基于PCA和噪音估計(jì)的MVPCA和MSNRPCA算法、基于最小能量約束的線性約束最小協(xié)方差(LCMV-BCC/BCM)等算法。以上算法的提出大大提高了高光譜遙感影像的降維效果，解決了波段選擇中判據(jù)函數(shù)的問題；但是高光譜遙感波段選擇的另一個(gè)重要問題依然沒有得到很好的解決，即面對(duì)不同的高光譜遙感數(shù)據(jù)和不同的遙感應(yīng)用，如何確定需要選擇的波段數(shù)目。雖然文獻(xiàn)I提出用虛擬維度(Virtual Dimensionality, VD)作為衡量波段數(shù)目的指標(biāo)，并在高光譜數(shù)據(jù)分析方面得到了廣泛應(yīng)用[C.-1 Chang and Q.Du，"Estimation of number ofspectrally distinct signal sources in hyperspectralimagery, 〃IEEE Transactionson Geoscience and Remote Sensing, vol.42, n0.3, pp.608-619, Mar.2004.];但是由于該算法比較復(fù)雜，且面向不同的遙感應(yīng)用時(shí)，存在適用性問題。因此，如何有效地解決波段數(shù)目的問題依然是高光譜遙感影像應(yīng)用中亟需解決的問題。

發(fā)明內(nèi)容
發(fā)明目的:針對(duì)上述現(xiàn)有技術(shù)存在的問題和不足，本發(fā)明的目的是提供一種基于粒子群優(yōu)化的高光譜遙感影像自適應(yīng)波段選擇方法，解決高光譜遙感波段選擇中效果不好，不能事先確定波段數(shù)目的問題。技術(shù)方案:為實(shí)現(xiàn)上述發(fā)明目的，本發(fā)明采用的技術(shù)方案為一種基于粒子群優(yōu)化的高光譜遙感影像自適應(yīng)波段選擇方法，包括以下步驟:步驟1，選擇需進(jìn)行降維的高光譜影像S ；步驟2，隨機(jī)初始化M個(gè)粒子；步驟3，對(duì)于外部pso，其波段數(shù)目依據(jù)Kerj] I^1進(jìn)行迭代優(yōu)化，X為待優(yōu)化的波段數(shù)目，k為外部PSO的粒子序號(hào)，id為當(dāng)前波段的數(shù)目；步驟4，令k=k+l，隨機(jī)初始化波段數(shù)目x7er-k，隨機(jī)初始化內(nèi)部嵌套PSO的波段
W；rrJ)ti，I為內(nèi)部嵌套PSO的粒子序號(hào)，X為內(nèi)部嵌套PSO所對(duì)應(yīng)的波段；步驟5，對(duì)于內(nèi)部嵌套PSO的每次迭代，執(zhí)行以下步驟:`
(a)對(duì)于每一個(gè)內(nèi)部嵌套PSO的粒子，評(píng)估其目標(biāo)函數(shù)；(b)確定所有步驟(a)所述粒子的全局最優(yōu)解Ρ=Γ 5(c)對(duì)于每一個(gè)步驟(a)所述粒子，確定其歷史局部最優(yōu)解ρΓΤ I(d)利用粒子速度更新公式和粒子位置更新公式更新所有內(nèi)部嵌套PSO的粒子；(e)重復(fù)執(zhí)行步驟a) _ d)，直到內(nèi)部嵌套PSO收斂，將ρ；；Γ的值作為波段<^自^的最優(yōu)值。步驟6，如果k〈M，轉(zhuǎn)向步驟4 ;如果k=M，則檢查外部PSO是否收斂，如果收斂則結(jié)束，此時(shí)外部PSO所有粒子的全局最優(yōu)解ρ； τ為最優(yōu)化的波段數(shù)目，其對(duì)應(yīng)的波段為最優(yōu)化的波段；如果不收斂則執(zhí)行以下步驟:a)對(duì)于每一個(gè)外部PSO的粒子，檢索基于內(nèi)部嵌套PSO得到的波段所對(duì)應(yīng)的目標(biāo)函數(shù)；b)確定所有步驟a)所述粒子的全局最優(yōu)解Ρ=Γ ;c)對(duì)于每一個(gè)外部PSO的粒子，確定其歷史局部最優(yōu)解d)利用粒子速度更新公式和粒子位置更新公式更新所有外部PSO的粒子；e)令k=l，轉(zhuǎn)向步驟4。進(jìn)一步的，所述步驟5中的目標(biāo)函數(shù)釆用最小豐度方差估計(jì)(minimum estimatedabundance covariance, MEAC)作為測(cè)度函數(shù)，具體實(shí)現(xiàn)采用以下公式:
權(quán)利要求
1.一種基于粒子群優(yōu)化的高光譜遙感影像自適應(yīng)波段選擇方法，其特征在于，包括以下步驟: 步驟1，選擇需進(jìn)行降維的高光譜影像S ； 步驟2，隨機(jī)初始化M個(gè)粒子； 步驟3，對(duì)于外部PSO，其波段數(shù)目依據(jù)} Iili進(jìn)行迭代優(yōu)化，X為待優(yōu)化的波段數(shù)目，k為外部PSO的粒子序號(hào)，id為當(dāng)前波段的數(shù)目； 步驟4，令k=k+l，隨機(jī)初始化波段數(shù)目.隨機(jī)初始化內(nèi)部嵌套PSO的波段WH, I為內(nèi)部嵌套PSO的粒子序號(hào)，X為內(nèi)部嵌套PSO所對(duì)應(yīng)的波段； 步驟5，對(duì)于內(nèi)部嵌套PSO的每次迭代，執(zhí)行以下步驟: Ca)對(duì)于每一個(gè)內(nèi)部嵌套PSO的粒子，評(píng)估其目標(biāo)函數(shù)； (b)確定所有步驟(a)所述粒子的全局最優(yōu)解Ρ；:Γ； (c)對(duì)于每一個(gè)步驟(a)所述粒子，確定其歷史局部最優(yōu)解丨: Cd)利用粒子速度更新公式和粒子位置更新公式更新所有內(nèi)部嵌套PSO的粒子； Ce)重復(fù)執(zhí)行步驟a) - d)，直到內(nèi)部嵌套PSO收斂，將P=的值作為波段<廣4的最優(yōu)值。
步驟6，如果k〈M，轉(zhuǎn)向步驟4 ;如果k=M，則檢查外部PSO是否收斂，如果收斂則結(jié)束，此時(shí)外部PSO所有粒子的全局最優(yōu)解ρ;:Γ為最優(yōu)化的波段數(shù)目，其對(duì)應(yīng)的波段為最優(yōu)化的波段；如果不收斂則執(zhí)行以下步驟: a)對(duì)于每一個(gè)外部PSO的粒子，檢索基于內(nèi)部嵌套PSO得到的波段所對(duì)應(yīng)的目標(biāo)函數(shù)； b)確定所有步驟a)所述粒子的全局最優(yōu)解ρ^Γ; c)對(duì)于每一個(gè)外部PSO的粒子，確定其歷史局部最優(yōu)解P::廣 d)利用粒子速度更新公式和粒子位置更新公式更新所有外部PSO的粒子； e)令k=l,轉(zhuǎn)向步驟4。
2.根據(jù)權(quán)利要求1所述基于粒子群優(yōu)化的高光譜遙感影像自適應(yīng)波段選擇方法，其特征在于，所述步驟5中的目標(biāo)函數(shù)采用最小豐度方差估計(jì)作為測(cè)度函數(shù)，具體實(shí)現(xiàn)采用以下公式:arg min {/racei(s7E_is) * I cDs' I L-J 式中，Os所選擇的波段集合；traCe[.]為矩陣的跡；Σ為噪聲方差矩陣；S為波段集合中的類別光譜信息矩陣。
3.根據(jù)權(quán)利要求1所述基于粒子群優(yōu)化的高光譜遙感影像自適應(yīng)波段選擇方法，其特征在于，所述步驟5中的目標(biāo)函數(shù)采用Jeffries-Matusita距離作為測(cè)度函數(shù): = 2(1 -e ) 其中
4.根據(jù)權(quán)利要求1所述基于粒子群優(yōu)化的高光譜遙感影像自適應(yīng)波段選擇方法，其特征在于，所述步驟(d)中的粒子速度更新公式和粒子位置更新公式分別由以下兩個(gè)公式實(shí)現(xiàn):
全文摘要
本發(fā)明公開了一種基于粒子群優(yōu)化的高光譜遙感影像自適應(yīng)波段選擇方法，主要包括兩個(gè)嵌套在一起的PSO算法，其中外部PSO負(fù)責(zé)自適應(yīng)地優(yōu)化波段數(shù)目，而內(nèi)部PSO則負(fù)責(zé)優(yōu)化指定數(shù)目的具體波段；本發(fā)明方法同時(shí)還改進(jìn)了原始PSO算法中的目標(biāo)函數(shù)。本發(fā)明能夠解決高光譜遙感傳統(tǒng)波段選擇算法效果不好，以及不能事先確定波段數(shù)目的問題。本發(fā)明方法具有智能選擇波段、適應(yīng)性廣等特點(diǎn)。
文檔編號(hào)G06K9/62GK103150577SQ20131010151
公開日2013年6月12日 申請(qǐng)日期2013年3月26日 優(yōu)先權(quán)日2013年3月26日
發(fā)明者蘇紅軍 申請(qǐng)人:河海大學(xué)